代码之家 › 专栏 › 技术社区 › flamenco

如何通过map/apply在熊猫数据帧上使用lambda函数,其中lambda为每列取不同的值

numpy pandas python

flamenco · 技术社区 · 7 年前

其思想是根据每列的特定值以最快的方式转换数据帧。为了简单起见,这里有一个例子,将一个列的每个元素与它所属列的平均值进行比较,如果大于平均值(列),则用0替换,否则用1替换。

In [26]: df = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6]]))                                                                                                                                                               

In [27]: df                                                                                                                                                                                                                
Out[27]: 
   0  1  2
0  1  2  3
1  4  5  6

In [28]: df.mean().values.tolist()                                                                                                                                                                                         
Out[28]: [2.5, 3.5, 4.5]

下面是一段代码片段,它不是真正的代码,而是更多地用于示例所需的行为。我用过 apply 方法,但它可以是任何运行最快的方法。

In [29]: f = lambda x: 0 if x < means else 1                                                                                                                                                                               

In [30]: df.apply(f)

In [27]: df                                                                                                                                                                                                                
Out[27]: 
   0  1  2
0  0  0  0
1  1  1  1

这是一个玩具例子,但解决方案必须应用于一个大数据帧,因此,它必须是快速的。

干杯!

1 回复 | 直到 7 年前

Vaishali 7 年前

通过将每个元素与该列的平均值进行比较,可以创建数据帧的布尔掩码。使用

df > df.mean()

    0       1       2
0   False   False   False
1   True    True    True

由于true等于1,而false等于0,因此使用astype可以很容易地将布尔数据帧转换为整数。

(df > df.mean()).astype(int)

    0   1   2
0   0   0   0
1   1   1   1

如果需要输出为某些字符串而不是0和1,请使用np.where,其工作方式为(条件,如果为true,则为else)

pd.DataFrame(np.where(df > df.mean(), 'm', 'n'))

    0   1   2
0   n   n   n
1   m   m   m

编辑:在注释中寻址qn;如果m和n依赖于列呢?

df = pd.DataFrame(np.arange(12).reshape(4,3))

    0   1   2
0   0   1   2
1   3   4   5
2   6   7   8
3   9   10  11

pd.DataFrame(np.where(df > df.mean(), df.min(), df.max()))

    0   1   2
0   9   10  11
1   9   10  11
2   0   1   2
3   0   1   2