代码之家 › 专栏 › 技术社区 › maurobio

熊猫:如何将数据帧中的所有数值列转换为对数

pandas python

maurobio · 技术社区 · 7 年前

在R中,我可以使用以下方法将对数(或平方根等)转换应用于数据帧的所有数值列:

logdf <- log10(df)

在python/pandas中是否有类似的东西?我看到有一个“transform”和一个(R-like)“apply”函数,但是在这种情况下无法理解如何使用它们。

感谢您提供任何提示或建议。

4 回复 | 直到 7 年前

Rex Low 7 年前

假设你有一个名为 df

您可以先列出可能的数字类型,然后进行循环

numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']
for c in [c for c in df.columns if df[c].dtype in numerics]:
    df[c] = np.log10(df[c])

或者,使用lambda运算符和 np.dtype.kind

numeric_df = df.apply(lambda x: np.log10(x) if np.issubdtype(x.dtype, np.number) else x)

Graipher 7 年前

如果大多数列都是数字,那么 try 如果不起作用,则跳过该列:

for column in df.columns:
    try:
        df[column] = np.log10(df[column])
    except (ValueError, AttributeError):
        pass

当然,如果你愿意的话,你可以用一个函数来包装它。

Mohit Motwani 7 年前

你可以使用 select_dtypes 和 numpy.log10 :

import numpy as np
for c in df.select_dtype(include = [np.number]).columns:
    df[c] = np.log10(df[c])

select类型选择传递给它的数据类型的列 include 参数。 np.number 包括所有数字数据类型。

numpy.log10 返回以10为底的输入对数,按元素计算

astro123 7 年前

如果你关心速度:

df = pd.DataFrame({'A': list('abc')*1000000, 'B': [10, 20,200]*1000000,
                  'C': [0.1,0.2,0.3]*1000000})
df.head()

%timeit df.apply(lambda x: np.log10(x) if np.issubdtype(x.dtype, np.number) else x)
#1 loop, best of 3: 539 ms per loop

%%timeit
log10_df = pd.concat([df.select_dtypes(exclude=np.number),
                      df.select_dtypes(include=np.number).apply(np.log10)],
                      axis=1)
#loop, best of 3: 315 ms per loop

%%timeit
for c in df.select_dtypes(include = [np.number]).columns:
    df[c] = np.log10(df[c].values)
#1 loop, best of 3: 113 ms per loop

推荐文章