Панди: Як я можу використовувати функцію Apply () для одного стовпця?

У мене є кадр даних панди з двома стовпцями. Мені потрібно змінити значення першого стовпця, не впливаючи на другий, і повернути весь кадр даних із лише зміненими значеннями першого стовпця. Як я можу це зробити, використовуючи застосувати в пандах?

Наведений зразок даних df:

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

що ти хочеш:

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

що повертає:

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

Для одного стовпця краще використовувати map()такий:

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

Функція вам взагалі не потрібна. Ви можете працювати над цілою колоною безпосередньо.

Приклад даних:

>>> df = pd.DataFrame({'a': [100, 1000], 'b': [200, 2000], 'c': [300, 3000]})
>>> df

      a     b     c
0   100   200   300
1  1000  2000  3000

Половина всіх значень у стовпці a:

>>> df.a = df.a / 2
>>> df

     a     b     c
0   50   200   300
1  500  2000  3000

Хоча наведені відповіді є правильними, вони змінюють початковий фрейм даних, що не завжди бажано (і, зважаючи на те, що ОП запитував приклади "використання apply", можливо, вони хочуть версії, яка повертає новий кадр даних, як і applyце).

Це можливо, використовуючи assign: це дійсно для assignіснуючих стовпців, як зазначено в документації (акцент - мій):

Призначте нові стовпці до DataFrame.

Повертає новий об’єкт із усіма оригінальними стовпцями на додаток до нових. Існуючі стовпці, які повторно призначені, будуть перезаписані .

Коротко:

In [1]: import pandas as pd

In [2]: df = pd.DataFrame([{'a': 15, 'b': 15, 'c': 5}, {'a': 20, 'b': 10, 'c': 7}, {'a': 25, 'b': 30, 'c': 9}])

In [3]: df.assign(a=lambda df: df.a / 2)
Out[3]: 
      a   b  c
0   7.5  15  5
1  10.0  10  7
2  12.5  30  9

In [4]: df
Out[4]: 
    a   b  c
0  15  15  5
1  20  10  7
2  25  30  9

Зауважте, що за функцією буде передано весь фрейм даних, а не лише стовпець, який ви хочете змінити, тому вам потрібно буде переконатися, що ви обрали потрібний стовпець у лямбда.

Якщо ви дійсно стурбовані швидкістю виконання вашої функції нанесення, і у вас є величезний набір даних для роботи, ви можете використовувати swifter для швидшого виконання, ось приклад для швидкого виконання на пандах даних:

import pandas as pd
import swifter

def fnc(m):
    return m*3+4

df = pd.DataFrame({"m": [1,2,3,4,5,6], "c": [1,1,1,1,1,1], "x":[5,3,6,2,6,1]})

# apply a self created function to a single column in pandas
df["y"] = df.m.swifter.apply(fnc)

Це дасть змогу всім ядрам процесора обчислити результат, отже, це буде набагато швидше, ніж звичайні функції застосування. Спробуйте і дайте мені знати, чи стане вам це корисно.

Дозвольте спробувати складні обчислення, використовуючи дату і враховуючи нулі або порожні пробіли. Я скорочую 30 років на стовпці дати і використовую applyметод, а також lambdaконвертую формат дати. Лінія if x != '' else xподбає про всі порожні місця або нулі відповідно.

df['Date'] = df['Date'].fillna('')
df['Date'] = df['Date'].apply(lambda x : ((datetime.datetime.strptime(str(x), '%m/%d/%Y') - datetime.timedelta(days=30*365)).strftime('%Y%m%d')) if x != '' else x)