使用列和行作为参数遍历整个 Pandas 数据框

Question

我有这个空的 pandas 数据框和一个函数值 (x,y)，它接受 2 个参数，即 pandas 数据框中点的行号和列号。我想知道是否有一种更简单的方法可以使用这些参数遍历整个空数据框，也许使用 df.apply。

我知道可以遍历每个单独的列和运行 df.apply 在单独的列上，但是是否可以在没有运行任何循环或什么的情况下做到这一点永远如此。

本质上，我正在寻找这样的东西，我可以在整个数据帧上运行

df_copy.apply(lambda x: myfunction(x.value, x.column))

然而，x.column不存在，所以有另一种方法可以做到，或者我做错了什么

谢谢！

Answer 1

是，使用系列的 name 和 index 属性：

df = pd.DataFrame(1, index = np.arange(10,51,10), columns = np.arange(5))

显示输入数据框

    0  1  2  3  4
10  1  1  1  1  1
20  1  1  1  1  1
30  1  1  1  1  1
40  1  1  1  1  1
50  1  1  1  1  1

让我们定义自定义函数并使用行作为列来进行计算。

def f(x):
    #add row values to column values
    return x.name + x.index

df.apply(f)

输出：

     0   1   2   3   4
10  10  11  12  13  14
20  20  21  22  23  24
30  30  31  32  33  34
40  40  41  42  43  44
50  50  51  52  53  54

注意：apply 将数据帧的每一列（这是一个 pd.Series）传递给函数 f。每个系列都有一个属性 name 是列标题，index 是数据帧行索引。因此，函数 f returns 为数据帧的每一列计算 pd.Series 并作为数据帧放回原处。

在评论中回答问题，让我们使用字符串：

df = pd.DataFrame(1, index=['Ted','Bill','Ralph','John','Tim'], columns=['A','B','C','D','E'])

def f(x):
    #Concatenate row values with column values
    return x.index + '_' + x.name

df.apply(f)

或使用 lambda 函数

df.apply(lambda x: x.index + '_' + x.name)

输出：

             A        B        C        D        E
Ted      Ted_A    Ted_B    Ted_C    Ted_D    Ted_E
Bill    Bill_A   Bill_B   Bill_C   Bill_D   Bill_E
Ralph  Ralph_A  Ralph_B  Ralph_C  Ralph_D  Ralph_E
John    John_A   John_B   John_C   John_D   John_E
Tim      Tim_A    Tim_B    Tim_C    Tim_D    Tim_E

使用列和行作为参数遍历整个 Pandas 数据框

Iterating through entire Pandas Dataframe using column and row as arguments

python

dataframe

python-2.7

pandas

sklearn-pandas