当前位置：首页 > article >正文

使用 apply 方法将其他列的值传入 DataFrame 或 Series 的函数，来进行更灵活的计算或操作

article 2025/1/7 3:28:24

可以使用 apply 方法将其他列的值传入 DataFrame 或 Series 的函数，来进行更灵活的计算或操作。apply 方法允许你逐行或逐列地对 DataFrame 或 Series 的元素进行操作，而且你可以将其他列的值作为参数传递给函数。

示例：使用 `apply` 结合其他列的值

假设你有一个包含多个列的 DataFrame，并且你想根据某一列的值，使用同一行的其他列的值来计算结果。

示例1：将 `value` 列的每个值乘以 `other` 列的对应值

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({
    'value': [10, 20, 30, 40],
    'other': [2, 3, 4, 5]
})

# 使用apply进行操作，传入其他列的值
df['result'] = df.apply(lambda row: row['value'] * row['other'], axis=1)

print(df)

输出：

   value  other  result
0     10      2      20
1     20      3      60
2     30      4     120
3     40      5     200

解释：

apply：apply 可以逐行（axis=1）或逐列（axis=0）应用函数。在这个例子中，我们选择了 axis=1，即逐行应用。
row['value'] * row['other']：在 lambda 函数中，我们访问了每一行的 value 和 other 列的值，并进行相乘操作。
新列 result：最终，我们将计算结果赋值给新列 result。

示例2：根据 `value` 列的值判断是否大于某个阈值，使用 `other` 列的值进行不同的处理

# 创建DataFrame
df = pd.DataFrame({
    'value': [10, 20, 30, 40],
    'other': [2, 3, 4, 5]
})

# 使用apply进行条件操作
df['flag'] = df.apply(lambda row: row['other'] * 2 if row['value'] > 20 else row['other'] * 0.5, axis=1)

print(df)

输出：

   value  other  flag
0     10      2   1.0
1     20      3   1.5
2     30      4   8.0
3     40      5  10.0

解释：

我们根据 value 列的值进行条件判断：
- 如果 value 大于 20，则将 other 列的值乘以 2；
- 否则，将 other 列的值乘以 0.5。
通过 apply，我们可以根据每一行的 value 列值灵活地选择不同的计算方法。

示例3：对多个列进行复杂计算

假设你想要根据 value 列和 other 列的组合进行一些复杂的计算，并将结果存储在新列中。

# 创建DataFrame
df = pd.DataFrame({
    'value': [10, 20, 30, 40],
    'other': [2, 3, 4, 5],
    'multiplier': [1, 1.5, 2, 2.5]
})

# 使用apply进行复杂计算
df['final'] = df.apply(lambda row: (row['value'] + row['other']) * row['multiplier'], axis=1)

print(df)

输出：

   value  other  multiplier  final
0     10      2         1.0   12.0
1     20      3         1.5   34.5
2     30      4         2.0   68.0
3     40      5         2.5  112.5