使用多个参数应用函数创建新的熊猫列

Question

我想通过对两个现有列应用函数，在pandas数据框中创建一个新列。根据这个答案，当我只需要一列作为参数时，我就能够创建一个新列：

import pandas as pd
df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})

def fx(x):
    return x * x

print(df)
df['newcolumn'] = df.A.apply(fx)
print(df)

但是，当函数需要多个参数时，我不知道如何执行相同的操作。例如，如何通过将列a和列B传递给下面的函数来创建新列？

def fxy(x, y):
    return x * y

Answer 1

这就解决了问题：

df['newcolumn'] = df.A * df.B

你也可以这样做：

def fab(row):
  return row['A'] * row['B']

df['newcolumn'] = df.apply(fab, axis=1)

Answer 2

或者，您可以使用numpy基础函数：

>>> import numpy as np
>>> df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})
>>> df['new_column'] = np.multiply(df['A'], df['B'])
>>> df
    A   B  new_column
0  10  20         200
1  20  30         600
2  30  10         300

或在一般情况下矢量化任意函数：

>>> def fx(x, y):
...     return x*y
...
>>> df['new_column'] = np.vectorize(fx)(df['A'], df['B'])
>>> df
    A   B  new_column
0  10  20         200
1  20  30         600
2  30  10         300

Answer 3

如果有可能重写函数，您可以使用@green非洲示例。但是如果你不想重写你的函数，你可以把它包装成应用程序中的匿名函数，像这样：

>>> def fxy(x, y):
...     return x * y

>>> df['newcolumn'] = df.apply(lambda x: fxy(x['A'], x['B']), axis=1)
>>> df
    A   B  newcolumn
0  10  20        200
1  20  30        600
2  30  10        300