通过将函数应用于另一个数据框的列来创建新数据框

Question

我尝试在python中了解更多关于apply方法的知识，并问自己如何使用apply编写以下代码：

我有一个数据框 df 如下所示：

  A B C D E points
0 0 0 0 1 43 94
1 0 0 1 1 55 62
2 1 1 0 1 21 84
3 1 0 1 0 13 20

此外，我有一个类似下面的函数，它可以完成它的工作：

def f1(df):
  df_means = pd.DataFrame(columns = ['Mean_Points'])
  for columnname in df.columns:
    if len(df[df[columnname] == 1]) > 1:
      df_means.loc[columnname] = [df[df[columnname] == 1]['points'].mean()]
  return df_means

所以f1的输出是

  'Mean_Points'
A      52
C      41
D      80

这完全没问题。但我想知道是否有可能（我确信有）使用 apply 方法获得相同的结果。我试过了：

df_means = pd.DataFrame(columns = ['Mean_Points'])
cols = [col for col in df.columns if len(df[df[col] == 1]) > 1]
df_means.loc[cols] = df[cols].apply(lambda x: df[df[x] == 1]['points'].mean(), axis = 1)

或类似的：

df_means = pd.DataFrame(columns = ['Mean_Points'])
df.columns.apply(lambda x: df_means.loc[x] = [df[df[x] == 1]['points'].mean()] if len(df[df[x] == 1]) > 1 else None)

和 2,3 其他东西，但没有任何效果...... 我希望有人能在这里帮助我？！

Answer 1

一般来说，您应该尝试看看是否可以避免使用 .apply(axis=1)。

在这种情况下，您可以使用 DataFrame.mulitply()，将 0 替换为 np.NaN，因此它不计入平均值。

import numpy as np

s = df.replace(0, np.NaN).multiply(df.points, axis=0).mean()
#A           52.0
#B           84.0
#C           41.0
#D           80.0
#E         2369.0
#points    5034.0
#dtype: float64

现在我们将添加您的条件以仅考虑具有多个 1 实例的列，并子集到具有 .reindex

的列

m = df.eq(1).sum().gt(1)
s = s.reindex(m[m].index)

输出`s`:

A      52.0
C      41.0
D      80.0
dtype: float64

Answer 2

`pd.DataFrame.dot`

#                      filters s to be just those
#                      things greater than 1
#                      v
s = df.eq(1).sum().loc[lambda x: x > 1]
df.loc[:, s.index].T.dot(df.points).div(s)

A    52.0
C    41.0
D    80.0
dtype: float64

一种线性方法

这消除了干扰，但可能会进行不必要的计算。

df.T.dot(df.points).div(df.sum())[df.eq(1).sum().gt(1)]

A    52.0
C    41.0
D    80.0
dtype: float64

Answer 3

这是另一种方法，不像其他人所展示的那样纯粹pandas。

cols = ['A', 'B', 'C', 'D']

def consolidate(series):
    cond = series > 0
    points = df.loc[cond, 'points']
    if len(points) > 1:
        return series.name, points.mean()
    else:
        return series.name, np.nan

df1 = pd.DataFrame([consolidate(df[col]) for col in cols], columns=['name', 'mean_points'])


print(df1)


  name  mean_points
0    A         52.0
1    B          NaN
2    C         41.0
3    D         80.0

如果不需要NaN那么

df1.dropna()

  name  mean_points
0    A         52.0
2    C         41.0
3    D         80.0

并使用 apply

df[cols].apply(consolidate,result_type='expand')
        .T.dropna()
        .reset_index()
        .drop('index', axis=1)

0  A  52
1  C  41
2  D  80

通过将函数应用于另一个数据框的列来创建新数据框

Create a new dataframe by applying function to columns of another dataframe

python

pandas

pandas-apply

输出`s`:

`pd.DataFrame.dot`

一种线性方法

通过将函数应用于另一个数据框的列来创建新数据框

Create a new dataframe by applying function to columns of another dataframe

python

pandas

pandas-apply

输出s:

pd.DataFrame.dot

一种线性方法

输出`s`:

`pd.DataFrame.dot`