数据结构
网络
关系数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究在 Python 中使用 Pandas DataFrame 对每一行应用函数
在本教程中，我们将学习 **列表** 最常用的方法，即 **append()** 和 **extend()**。让我们逐一了解它们。
apply()
它用于将函数应用于 DataFrame 的每一行。例如，如果我们想将每一行的所有数字相乘并将其作为新列添加，那么 apply() 方法非常有用。让我们看看实现它的不同方法。
示例
# importing the pandas package
import pandas as pd
# function to multiply
def multiply(x, y):
return x * y
# creating a dictionary for DataFrame
data = {
'Maths': [10, 34, 53],
'Programming': [23, 12, 43]
}
# creating DataFrame using the data
data_frame = pd.DataFrame(data)
# displaying DataFrame
print('--------------------Before------------------')
print(data_frame)
print()
# applying the function multiply
data_frame['Multiply'] = data_frame.apply(lambda row : multiply(row['Maths'], row['
Programming']), axis = 1)
# displaying DataFrame
print('--------------------After------------------')
print(data_frame)输出
如果运行上述程序，您将获得以下结果。
--------------------Before------------------ Maths Programming 0 10 23 1 34 12 2 53 43 --------------------After------------------ Maths Programming Multiply 0 10 23 230 1 34 12 408 2 53 43 2279
示例
我们还可以使用预定义函数，如 **sum，pow** 等。
# importing the pandas package
import pandas as pd
# creating a dictionary for DataFrame
data = {
'Maths': [10, 34, 53],
'Programming': [23, 12, 43]
}
# creating DataFrame using the data
data_frame = pd.DataFrame(data)
# displaying DataFrame
print('--------------------Before------------------')
print(data_frame)
print()
# applying the function multiply
# using built-in sum function
data_frame['Multiply'] = data_frame.apply(sum, axis = 1)
# displaying DataFrame
print('--------------------After------------------')
print(data_frame)输出
如果运行上述程序，您将获得以下结果。
--------------------Before------------------ Maths Programming 0 10 23 1 34 12 2 53 43 --------------------After------------------ Maths Programming Multiply 0 10 23 33 1 34 12 46 2 53 43 96
示例
我们还可以使用 numpy 模块中的函数。让我们看一个例子。
# importing the pandas package
import pandas as pd
# importing numpy module for functions
import numpy as np
# creating a dictionary for DataFrame
data = {
'Maths': [10, 34, 53],
'Programming': [23, 12, 43]
}
# creating DataFrame using the data
data_frame = pd.DataFrame(data)
# displaying DataFrame
print('--------------------Before------------------')
print(data_frame)
print()
# applying the function multiply
# using sum function from the numpy module
data_frame['Multiply'] = data_frame.apply(np.sum, axis = 1)
# displaying DataFrame
print('--------------------After------------------')
print(data_frame)输出
如果运行上述程序，您将获得以下结果。
--------------------Before------------------ Maths Programming 0 10 23 1 34 12 2 53 43 --------------------After------------------ Maths Programming Multiply 0 10 23 33 1 34 12 46 2 53 43 96
结论
通过以上方法，我们可以使用 DataFrame 的 **apply()** 方法对所有行应用函数。如果您对本教程有任何疑问，请在评论区提出。
更新于: 2019年11月1日
1K+ 次查看
广告