如何在熊猫/Python中使用DataFrame编写函数？
假设我们在下面的数据框中有一个带有sum（）？
df.columns=['value_a','value_b','name','up_or_down','difference']
# from here
df.loc['sum'] = df[['value_a','value_b','difference']].sum()
df1 = df[['value_a','value_b','difference']].sum().to_frame().T
df = pd.concat([df1, df], ignore_index=True)
# end here
df
value_a value_b name up_or_down difference
project_name
27.56 25.04 -1.31
2021-project11 0.43 0.48 2021-project11 up 0.05
2021-project1 0.62 0.56 2021-project1 down -0.06
2021-project2 0.51 0.47 2021-project2 down -0.04
2021-porject3 0.37 0.34 2021-porject3 down -0.03
2021-porject4 0.64 0.61 2021-porject4 down -0.03
2021-project5 0.32 0.25 2021-project5 down -0.07
2021-project6 0.75 0.81 2021-project6 up 0.06
2021-project7 0.60 0.60 2021-project7 down 0.00
2021-project8 0.85 0.74 2021-project8 down -0.11
2021-project10 0.67 0.67 2021-project10 down 0.00
2021-project9 0.73 0.73 2021-project9 down 0.00
2021-project11 0.54 0.54 2021-project11 down 0.00
2021-project12 0.40 0.40 2021-project12 down 0.00
2021-project13 0.76 0.77 2021-project13 up 0.01
2021-project14 1.16 1.28 2021-project14 up 0.12
2021-project15 1.01 0.94 2021-project15 down -0.07
2021-project16 1.23 1.24 2021-project16 up 0.01
2022-project17 0.40 0.36 2022-project17 down -0.04
2022-project_11 0.40 0.40 2022-project_11 down 0.00
2022-project4 1.01 0.80 2022-project4 down -0.21
2022-project1 0.65 0.67 2022-project1 up 0.02
2022-project2 0.75 0.57 2022-project2 down -0.18
2022-porject3 0.32 0.32 2022-porject3 down 0.00
2022-project18 0.91 0.56 2022-project18 down -0.35
2022-project5 0.84 0.89 2022-project5 up 0.05
2022-project19 0.61 0.48 2022-project19 down -0.13
2022-project6 0.77 0.80 2022-project6 up 0.03
2022-project20 0.63 0.54 2022-project20 down -0.09
2022-project8 0.59 0.55 2022-project8 down -0.04
2022-project21 0.58 0.54 2022-project21 down -0.04
2022-project10 0.76 0.76 2022-project10 down 0.00
2022-project9 0.70 0.71 2022-project9 up 0.01
2022-project22 0.62 0.56 2022-project22 down -0.06
2022-project23 2.03 1.74 2022-project23 down -0.29
2022-project12 0.39 0.39 2022-project12 down 0.00
2022-project24 1.35 1.55 2022-project24 up 0.20
project25 0.45 0.42 project25 down -0.03
project26 0.53 NaN project26 down NaN
project27 0.68 NaN project27 down NaN
我可以添加一个具有如下条件的函数，并且我们的其他df值可以直接使用该函数吗？
def sum_handler(x):
if .......
return .....
elif .......
return .....
else
return .....
非常感谢你的建议
共有1个答案
您可以尝试一种不同的方法来总结您的数据帧，如下面的答案所示。
df.loc['Total'] = df.sum(numeric_only=True, axis=0)
由于这是一行代码，因此不需要创建自定义函数来完成此操作。但是为了将来的参考，您可以创建一个自定义函数并将其应用于这样的数据帧：
import pandas as pd
def double_columns(df: pd.DataFrame, columns: list[str]):
""" Doubles chosen columns of a dataframe """
df[columns] = df[columns] * 2
return df
df = pd.DataFrame({'col1': [1,2], 'col2': [2,3]})
df = double_columns(df, ['col1'])
print(df)
会返回
col1 col2
0 2 2
1 4 3
-
我只想从csv文件中返回这些特定列，并将其写入新的csv文件？ 我该怎么做 到目前为止，我可以读取数据！！但不知道怎么写 绝对PYTHON BEGGINER警报
-
问题内容： 我正在使用to_csv将Multiindex DataFrame写入csv文件。csv文件的一列包含元组中的多索引，例如： 但是，我希望能够将Multiindex输出到两列而不是一列的元组，例如： 看起来可以为列实现此目的，但对于行则没有这样的选择。有没有办法做到这一点？ 问题答案： 我认为这可以做到 使用索引重复来编写（虽然有点骇人听闻） 回读实际上有点棘手
-
问题内容： 我有以下熊猫数据框： 我想计算的是每人参加和未参加的活动数量，以及每人的总积分。所以我做一个groupby： 这会给我类似的东西： 但我想要类似的东西： 我尝试使用pd.MultiIndex尝试填充丢失的零计数，但无济于事。我已经阅读了其他类似的问题，但是在使用MultiIndex处理连续点列时遇到了麻烦。任何想法如何做到这一点？ 问题答案： 您可以使用+做到这一点。为了您与精确的输出
-
我试图加载一个csv文件内基于熊猫的数据帧。我使用了以下导入。 没有找到文件是抛出错误，回溯如下： （）中的FileNotFoundError回溯（最近一次调用）---- c:\users\saish\appdata\local\programs\python\python35-32\lib\site packages\pandas\io\parsers。语法分析器中的py\u f（文件路径或缓冲
-
问题内容： Pandas确实很棒，但令我惊讶的是，从Pandas.DataFrame检索值的效率低下。在下面的玩具示例中，即使DataFrame.iloc方法也比字典慢100倍以上。 问题：这里的教训仅仅是字典是查找价值的更好方法吗？是的，我知道那正是他们的目的。但是我只是想知道是否缺少有关DataFrame查找性能的信息。 我意识到这个问题比“提问”更“有趣”，但是我会接受一个提供洞察力或观点的
-
本文向大家介绍如何在Python中编写递归函数？，包括了如何在Python中编写递归函数？的使用技巧和注意事项，需要的朋友参考一下 一个递归 函数是它的执行过程中调用自身的函数。这使函数可以重复多次，输出结果和每次迭代的结束。递归与无限有关。 下面是一个递归函数示例，用于查找整数的阶乘。 数字的阶乘 是从1到该数字的所有整数的乘积。 例如，阶乘9（表示为9！）为1 * 2 * 3 * 4 *