Pandas数据框：如何通过应用函数更新多列？

Question

我有一个名为df的数据框，就像这样：

   A   B   C    D
2  1   O   s    h
4  2   P    
7  3   Q
9  4   R   h    m

我有一个函数f，根据B计算行的C和D：

def f(p): #p is the value of column B for a row. 
     return p+'k', p+'n'

如何使用函数f来填充数据框(Dataframe)中第4行和第7行的缺失值?

期望的结果如下所示:

   A   B   C    D
2  1   O   s    h
4  2   P   Pk   Pn
7  3   Q   Qk   Qn
9  4   R   h    m

由于真实函数非常复杂，因此必须使用函数f。此外，该函数仅需要应用于缺少C和D的行。

- John Smith

---

请您更新问题，附上完整的函数以便复现整个代码。 - Fabio Lamanna

在函数中添加了虚拟逻辑，以便返回2个值。 - John Smith

预期输出是什么？抱歉，我真的不太理解你的函数.. - Colonel Beauvel

希望以下内容能够帮助到您。 - Colonel Beauvel

Answer 1

也许有更优雅的方式，但我会这样做：

df['C'] = df['B'].apply(lambda x: f(x)[0])
df['D'] = df['B'].apply(lambda x: f(x)[1])

将该函数应用于列并获取输出的第一个和第二个值。它返回：

   A  B   C   D
0  1  O  Ok  On
1  2  P  Pk  Pn
2  3  Q  Qk  Qn
3  4  R  Rk  Rn

EDIT:

更简洁地说，感谢这个回答：

df[['C','D']] = df['B'].apply(lambda x: pd.Series([f(x)[0],f(x)[1]]))

- Fabio Lamanna

---

函数f必须被使用，因为真实函数非常复杂。此外，该函数只需要应用于缺少C和D的行。 - John Smith

只要该函数返回两个参数，它就应该以这种方式工作。 - Fabio Lamanna

感谢 @Fiabetto。我们如何将该函数应用于仅在C和D列中存在缺失值的行？ - John Smith

抱歉 @ColonelBeauvel，我在看到你的回答之前就一直在处理这个问题！我已经更新了答案并注明了你的贡献！ - Fabio Lamanna

仍然，我们的回答并没有回答这个问题！我编辑了我的回答以解决这个问题。 - Colonel Beauvel

我认为这个 df[['C','D']] = df['B'].apply(lambda x: pd.Series(f(x))) 就足够了，没有必要将列表拆开再重新打包。 - HerrIvan

Answer 2

如果你想使用你的函数本身，这里有一个单行代码：

df.update(df.B.apply(lambda x: pd.Series(dict(zip(['C','D'],f(x))))), overwrite=False)

In [350]: df
Out[350]:
   A  B   C   D
2  1  O   s   h
4  2  P  Pk  Pn
7  3  Q  Qk  Qn
9  4  R   h   m

您也可以这样做：

df1 = df.copy()

df[['C','D']] = df.apply(lambda x: pd.Series([x['B'] + 'k', x['B'] + 'n']), axis=1)

df1.update(df, overwrite=False)

- Colonel Beauvel

---

这看起来很好，但它没有使用函数f。 - John Smith

现在的解决方案使用了您的函数f，而无需重新修改它！ - Colonel Beauvel

Answer 3

如果表格不是很大，我有一种更简单的方法来完成它。

def f(row): #row is the value of row. 
    if row['C']=='':
        row['C']=row['B']+'k'
    if row['D']=='':
        row['D']=row['B']+'n'
    return row
df=df.apply(f,axis=1)

- Zenith

Answer 4

我发现这个超级令人困惑，但最终找到了一种不会让我的大脑受伤的实现方法。抱歉如果它与示例不太匹配...

没有索引的数据框

# function to do the calcs
def f(row):
    my_a = row['a'] # row is a Series, my_a is a scalar string

    if my_a == 'a':  # dummy logic to calc new values based on the row values
        return [1, 2] # return 2 values to update 2 columns
    else:
        return [4, 5]

# simple test frame
input = pd.DataFrame.from_dict({
    'a': ['a', 'd'],
    'b': ['b', 'e'],
    'c': ['c', 'f'],
    'x': [0, 0],
    'y': [0, 0]
})

# apply the function to update the x and y columns with the returned values
input[['x','y']] = input.apply(f, axis=1)

带索引的数据框

如果您的数据框具有索引..在执行应用程序时，您需要更加明确，以确保“类似列表的结果将被转换为列”...

def f(row): # function to do the calcs
    my_a = row['a'] # row is a Series, my_a is a scalar string
    my_index = row.name # you might also want to use the index value in the calcs

    if my_a == 'a': # dummy logic to calc new values based on the row values
        return [1, 2] # return 2 values to update 2 columns
    else:
        return [4, 5]

input = pd.DataFrame.from_dict({
    'an_index': ['indx1', 'indx2'],
    'a': ['a', 'd'],
    'b': ['b', 'e'],
    'c': ['c', 'f'],
    'x': [0, 0],
    'y': [0, 0]
}).set_index(['an_index'])

# apply the function to update the x and y columns with the returned values
input[['x','y']] = input.apply(f, axis=1, result_type='expand')

- Michael Dausmann

Answer 5

仅通过以下方式就可以

df.C.loc[df.C.isnull()] = df.B.loc[df.C.isnull()] + 'k'

df.D.loc[df.D.isnull()] = df.B.loc[df.D.isnull()] + 'n'

如果你想知道我为什么使用loc，请查看此链接indexing-view-versus-copy

- Nader Hisham