Início / coding / Perguntas / 79208772
Accepted
goweon
Asked: 2024-11-21 03:56:32 +0800 CST

pandas aplicam múltiplas colunas

  • 772

A partir deste dataframe

df = pd.DataFrame(
    np.arange(3*4).reshape((4, 3)),
    index=['a', 'b', 'c', 'd'],
    columns=['A', 'B', 'C']
)
print(df)
   A   B   C
a  0   1   2
b  3   4   5
c  6   7   8
d  9  10  11

Quero aplicar duas funções a cada coluna para gerar duas colunas para cada coluna original e obter esta forma, com uma coluna multiíndice aninhada abaixo de cada coluna original:

    A        B        C     
    x    y   x    y   x    y
a  10  100  11  101  12  102
b  13  103  14  104  15  105
c  16  106  17  107  18  108
d  19  109  20  110  21  111

porém, algo assim não funciona

df.apply(lambda series:
    series.transform([lambda x: x+10, lambda x: x+100])
)

e levantaValueError: If using all scalar values, you must pass an index

Note que não quero usar agg como nesta resposta , pois isso não é uma agregação. Também quero evitar fazer referência a nomes de colunas diretamente.

python

2 respostas

  1. Best Answer

    Você só precisa usar df.transform()e dar nomes às suas funções.

    def x(k):
    return k + 10

def y(k):
    return k + 100

df.transform([x, y])

        A        B        C     
    x    y   x    y   x    y
a  10  100  11  101  12  102
b  13  103  14  104  15  105
c  16  106  17  107  18  108
d  19  109  20  110  21  111
    • 4

  2. SOLUÇÃO 1

    Uma possível solução, cujos passos são:

    • Primeiro, ele cria dois novos dataframes: um que adiciona 10 a cada elemento e outro que adiciona 100 a cada elemento.

    • Em seguida, ele concatena esses dataframes ao longo das colunas usando pd.concatwith axis=1e atribui chaves ['x', 'y']para criar um índice de coluna hierárquico.

    • O método swaplevelé aplicado para trocar os níveis da coluna MultiIndex, seguido pela sort_indexclassificação das colunas.

    (pd.concat([df + 10, df + 100], axis=1, keys=['x', 'y'])
 .swaplevel(axis=1).sort_index(axis=1))

    SOLUÇÃO 2

    Outra solução possível, cujos passos são:

    • Primeiro, ele cria dois novos dataframes: um onde 10 é adicionado a cada elemento ( df + 10) e outro onde 100 é adicionado ( df + 100).

    • Esses dois dataframes são combinados em uma numpymatriz 3D usando stackwith axis=2, resultando em uma matriz onde a terceira dimensão empilha as duas transformações.

    • A matriz é então remodelada em uma matriz bidimensional com o mesmo número de linhas que df.

    • Um novo dataframe é criado a partir dessa matriz remodelada, com colunas atribuídas a um índice hierárquico usando pd.MultiIndex.from_product.

    pd.DataFrame(
    np.stack([df + 10, df + 100], axis=2).reshape(df.shape[0], -1),
    columns=pd.MultiIndex.from_product([df.columns, ['x', 'y']]))

    Saída:

        A        B        C     
    x    y   x    y   x    y
0  10  100  11  101  12  102
1  13  103  14  104  15  105
2  16  106  17  107  18  108
3  19  109  20  110  21  111
    • 3

relate perguntas