如何对单个列使用apply（）函数？

Question

我有一个有两列的熊猫数据框。我需要在不影响第二列的情况下更改第一列的值，并在仅更改第一列值的情况下返回整个数据帧。我如何在熊猫身上使用apply？

Answer 1

给定以下数据框df和函数complex_function，

  import pandas as pd

  def complex_function(x, y=0):
      if x > 5 and x > y:
          return 1
      else:
          return 2

  df = pd.DataFrame(data={'col1': [1, 4, 6, 2, 7], 'col2': [6, 7, 1, 2, 8]})

     col1  col2
  0     1     6
  1     4     7
  2     6     1
  3     2     2
  4     7     8

有几种解决方案可以仅在一个列上使用应用（）。在下面我将详细解释它们。

直截了当的解决方案来自@Fabio Lamanna：

  df['col1'] = df['col1'].apply(complex_function)

输出：

     col1  col2
  0     2     6
  1     2     7
  2     1     1
  3     2     2
  4     1     8

仅修改第一列，第二列不变。这个解决方案很漂亮。它只是一行代码，读起来几乎像英语：“取'col1'并将函数complex_函数应用于它。”

但是，如果您需要来自另一列的数据，例如“col2”，它将不起作用。如果要将'col2'的值传递给复杂函数的变量y，则需要其他内容。

或者，您可以使用这个或这个SO帖子中描述的整个数据框：

  df['col1'] = df.apply(lambda x: complex_function(x['col1']), axis=1)

或者如果你喜欢（像我一样）没有lambda函数的解决方案：

  def apply_complex_function(x): return complex_function(x['col1'])
  df['col1'] = df.apply(apply_complex_function, axis=1) 

这个解决方案中有很多问题需要解释。函数的作用是：pd.Series和pd.DataFrame。但是不能使用df['col1']=df.apply（complex_function）.loc[：，'col1']，因为它会抛出ValueError。

因此，您需要给出要使用哪个列的信息。使事情复杂化的是，apply（）函数只接受可调用项。要解决这个问题，您需要定义一个（lambda）函数，其中列x['col1']作为参数；i、 我们将列信息包装在另一个函数中。

不幸的是，axis参数的默认值为零（axis=0），这意味着它将尝试按列而不是按行执行。这在第一个解决方案中不是问题，因为我们给apply（）一个pd.Series。但是现在输入是一个数据帧，我们必须是显式的（axis=1）。（我很惊讶我经常忘记这一点。）

您是否喜欢带有lambda函数的版本是主观的。在我看来，这一行代码足够复杂，即使没有插入lambda函数也能阅读。您只需要（lambda）函数作为包装器。这只是锅炉代码。读者不应该为此烦恼。

现在，您可以轻松修改此解决方案，以考虑第二列：

    def apply_complex_function(x): return complex_function(x['col1'], x['col2'])
    df['col1'] = df.apply(apply_complex_function, axis=1)

输出：

     col1  col2
  0     2     6
  1     2     7
  2     1     1
  3     2     2
  4     2     8

在索引4处，该值已从1更改为2，因为第一个条件7

请注意，您只需要更改第一行代码（即函数），而不需要更改第二行。

切勿将列信息放入函数中。

  def bad_idea(x):
      return x['col1'] ** 2

通过这样做，您可以创建一个依赖于列名称的通用函数！这是一个糟糕的主意，因为下次你想使用这个功能时，你不能。更糟糕的是：也许你在不同的数据框中重命名一列，只是为了让它与你现有的函数一起工作。（去过那里，做到了。这是一个滑坡！）

尽管OP特别要求使用apply（）解决方案，但还是建议了其他解决方案。例如，@George Petrov的答案建议使用map（），而@Thibaut Dubernet的答案建议使用assign（）。

我完全同意应用（）很少是最好的解决方案，因为应用（）没有矢量化。它是一种元素操作，具有昂贵的函数调用和pd开销。系列。

使用apply（）的一个原因是您希望使用现有函数，而性能不是问题。或者您的函数非常复杂，不存在矢量化版本。

另一个使用应用（）的原因是与Groupby（）结合使用。请注意，DataFrame.apply（）和GroupBy.apply（）是不同的函数。

所以考虑一些替代方案是有意义的：

• map（）仅适用于pd.Series，但接受dict和pd.Series作为输入。在函数中使用map（）与使用apply（）几乎可以互换。它可以比apply（）更快。有关更多详细信息，请参阅此SO帖子

  df['col1'] = df['col1'].map(complex_function)

• applymap（）对于数据帧几乎相同。它不支持pd.Series，它将始终返回数据帧。但是，它可以更快。文档中说：“在当前的实现中，applymap在第一列/行上调用func两次，以决定它可以采用快速还是慢速代码路径。”。但如果性能真的很重要，你应该寻找一条替代路线

  df['col1'] = df.applymap(complex_function).loc[:, 'col1']

• assign（）不能替代apply（）。它仅在最基本的用例中具有类似的行为。它不适用于复杂函数。您仍然需要apply（），如下面的示例所示。assign（）的主要用例是方法链接，因为它返回数据帧而不更改原始数据帧

  df['col1'] = df.assign(col1=df.col1.apply(complex_function))

我在这里提到这一点，是因为其他答案，例如@durjoy，都提出了这一点。清单并非详尽无遗：

1. 不要使用apply（）。这不是开玩笑。对于大多数数值操作，熊猫中存在向量化方法。If/else块通常可以通过布尔索引和.loc组合进行重构。我的示例复杂函数可以用这种方式重构。

Answer 2

对于单个列，最好使用map（），如下所示：

df = pd.DataFrame([{'a': 15, 'b': 15, 'c': 5}, {'a': 20, 'b': 10, 'c': 7}, {'a': 25, 'b': 30, 'c': 9}])

    a   b  c
0  15  15  5
1  20  10  7
2  25  30  9



df['a'] = df['a'].map(lambda a: a / 2.)

      a   b  c
0   7.5  15  5
1  10.0  10  7
2  12.5  30  9

Answer 3

给定一个示例数据帧df，如下所示：

a,b
1,2
2,3
3,4
4,5

你想要的是：

df['a'] = df['a'].apply(lambda x: x + 1)

返回：

   a  b
0  2  2
1  3  3
2  4  4
3  5  5