代码之家  ›  专栏  ›  技术社区  ›  Night Walker

同时对数据帧列应用多个函数

  •  2
  • Night Walker  · 技术社区  · 9 年前

    features_df[features_columns].apply(lambda x: np.mean(x), lambda x: np.std(x), lambda x: np.skew(x))
    

    谢谢

    1 回复  |  直到 9 年前
        1
  •  5
  •   jezrael    9 年前

    我想你需要 DataFrame.aggregate ( pandas 0.20.0+ )或 DataFrame.apply :

    features_df[features_columns].agg(lambda x: pd.Series([np.mean(x),np.std(x)]))
    
    features_df[features_columns].apply(lambda x: pd.Series([np.mean(x),np.std(x)]))
    

    df = features_df[features_columns].agg(['mean', 'std', 'skew'])
    
    df = features_df[features_columns].apply(['mean', 'std', 'skew'])
    

    示例:

    features_df = pd.DataFrame({'A':list('abcdef'),
                               'B':[4,5,4,5,5,4],
                               'C':[7,8,9,4,2,3],
                               'D':[1,3,5,7,1,0],
                               'E':[5,3,6,9,2,4],
                               'F':list('aaabbb')})
    
    print (features_df)
       A  B  C  D  E  F
    0  a  4  7  1  5  a
    1  b  5  8  3  3  a
    2  c  4  9  5  6  a
    3  d  5  4  7  9  b
    4  e  5  2  1  2  b
    5  f  4  3  0  4  b
    

    features_columns = ['B','C']
    
    
    print (features_df[features_columns].agg(lambda x: pd.Series([np.mean(x),np.std(x)])))
         B         C
    0  4.5  5.500000
    1  0.5  2.629956
    
    print (features_df[features_columns].apply(lambda x: pd.Series([np.mean(x),np.std(x)])))
         B         C
    0  4.5  5.500000
    1  0.5  2.629956
    
    print (features_df[features_columns].agg(['mean', 'std', 'skew']))
                 B         C
    mean  4.500000  5.500000
    std   0.547723  2.880972
    skew  0.000000  0.000000
    
    print (features_df[features_columns].apply(['mean', 'std', 'skew']))
                 B         C
    mean  4.500000  5.500000
    std   0.547723  2.880972
    skew  0.000000  0.000000
    

    std ddof 在里面 numpy 和 pandas

    而且 np.skew 返回: