一次分配给多个列（python）

Question

因此，我昨天开始了一个问题：基于同一行中的值的多个pandas赋值，我想知道如何对一行数据进行排序，并将排序分配给同一行中的不同列。我已经按照Ed Chum的建议解决了这个问题：如何一次将一个函数应用于pandas数据帧中的多个列。

它确实起作用了，但我注意到我在这一过程中创建了错误的列。一旦我修复了这个bug，它就不再工作了。。。。

因此，我尝试在一个玩具示例上重现这个问题，但在玩具示例上也不起作用。有人能告诉我这个错误吗？下面是代码（python 3）：

import pandas as pd
import numpy as np  
import scipy


df = pd.DataFrame(data={'a':[1,2,3],'b':[2,1,3],'c':[3,1,2],
                        'rank_a':[np.nan]*3,'rank_b':[np.nan]*3,'rank_c':[np.nan]*3})

def apply_rank(row):
    vals = [row['a'],row['b'],row['c']]
    ranked = scipy.stats.rankdata(vals)
    d = len(vals)+1
    ranked = [rank/d for rank in ranked]
    rank_cols = [col for col in row.index if col.startswith("rank_")]
    print("ranked: "+str(ranked))

    for idx,rank_col in enumerate(rank_cols): 
        print("Before: "+str(row[rank_col]))
        row[rank_col] = ranked[idx]
        print("After: "+str(row[rank_col]))

然后运行：df。应用（lambda行：应用秩（行），轴=1），以查看分配是否正确完成。

然后运行：df，查看未分配任何内容。。掌纹

Answer 1

df[colo]. iloc[[2,3,4]=2

在dataframe df中，在特定的列名col处，对于索引（2,3,4），我们可以将值设置为2，如上所示

Answer 2

您可以返回Series，其中包含新列值的索引：

def apply_rank(row):
    vals = [row['a'],row['b'],row['c']]
    ranked = scipy.stats.rankdata(vals)
    d = len(vals)+1
    ranked = [rank/d for rank in ranked]
    rank_cols = [col for col in row.index if col.startswith("rank_")]

    return pd.Series(ranked, index=rank_cols)

df = df.apply(lambda row: apply_rank(row),axis=1)
print (df)
   rank_a  rank_b  rank_c
0   0.250   0.500   0.750
1   0.750   0.375   0.375
2   0.625   0.625   0.250

编辑：如果之前存在新列，则可以向其追加数据并返回行：

def apply_rank(row):
    vals = [row['a'],row['b'],row['c']]
    ranked = scipy.stats.rankdata(vals)
    d = len(vals)+1
    ranked = [rank/d for rank in ranked]
    rank_cols = [col for col in row.index if col.startswith("rank_")]

    row.loc[rank_cols] = ranked
    return row

df = df.apply(apply_rank,axis=1)
print (df)
     a    b    c  rank_a  rank_b  rank_c
0  1.0  2.0  3.0   0.250   0.500   0.750
1  2.0  1.0  1.0   0.750   0.375   0.375
2  3.0  3.0  2.0   0.625   0.625   0.250