web-dev-qa-db-ja.com

パンダ：単一列に対してapply（）関数を使うにはどうすればいいですか？

2列のパンダデータフレームがあります。最初の列の値を2番目の列に影響を与えずに変更し、最初の列の値だけを変更してデータフレーム全体を元に戻す必要があります。パンダでapplyを使ってそれをどのようにすることができますか？

pythonpandasdataframepython-3.5
154
Amani

サンプルデータフレームをdfとします。

a,b
1,2
2,3
3,4
4,5

あなたが欲しいのは：

df['a'] = df['a'].apply(lambda x: x + 1)

それは戻ります：

   a  b
0  2  2
1  3  3
2  4  4
3  5  5
227
Fabio Lamanna

あなたはまったく関数を必要としません。列全体を直接操作できます。

データ例：

>>> df = pd.DataFrame({'a': [100, 1000], 'b': [200, 2000], 'c': [300, 3000]})
>>> df

      a     b     c
0   100   200   300
1  1000  2000  3000

a列のすべての値を半分にします。

>>> df.a = df.a / 2
>>> df

     a     b     c
0   50   200   300
1  500  2000  3000
33
Mike Müller

次のようにmap()を使ったほうがよい単一の列の場合：

df = pd.DataFrame([{'a': 15, 'b': 15, 'c': 5}, {'a': 20, 'b': 10, 'c': 7}, {'a': 25, 'b': 30, 'c': 9}])

    a   b  c
0  15  15  5
1  20  10  7
2  25  30  9



df['a'] = df['a'].map(lambda a: a / 2.)

      a   b  c
0   7.5  15  5
1  10.0  10  7
2  12.5  30  9
29
George Petrov

与えられた応答は正しいですが、初期データフレームを変更しますが、これは常に望ましいとは限りません（そして、OPが例「applyを使用する」を求められた場合、applyが行うように、新しいデータフレームを返すバージョンが必要かもしれません）。

これは assign を使用して可能です。ドキュメントの状態（強調は私のものです）として、既存の列に対してassignが有効です。

新しい列をDataFrameに割り当てます。

新しいオブジェクトと、新しい列に加えてすべての元の列を返します。 再割り当てされた既存の列は上書きされます。

要するに：

In [1]: import pandas as pd

In [2]: df = pd.DataFrame([{'a': 15, 'b': 15, 'c': 5}, {'a': 20, 'b': 10, 'c': 7}, {'a': 25, 'b': 30, 'c': 9}])

In [3]: df.assign(a=lambda df: df.a / 2)
Out[3]: 
      a   b  c
0   7.5  15  5
1  10.0  10  7
2  12.5  30  9

In [4]: df
Out[4]: 
    a   b  c
0  15  15  5
1  20  10  7
2  25  30  9

関数には、変更する列だけでなく、データフレーム全体が渡されることに注意してください。そのため、ラムダで正しい列を選択していることを確認する必要があります。

1
Thibaut Dubernet

適用関数の実行速度に本当に関心があり、作業する巨大なデータセットがある場合は、swifterを使用して実行を高速化できます。pandasデータフレームのswifterの例を次に示します。

import pandas as pd
import swifter

def fnc(m):
    return m*3+4

df = pd.DataFrame({"m": [1,2,3,4,5,6], "c": [1,1,1,1,1,1], "x":[5,3,6,2,6,1]})

# apply a self created function to a single column in pandas
df["y"] = df.m.swifter.apply(fnc)

これにより、すべてのCPUコアで結果を計算できるため、通常の適用機能よりもはるかに高速になります。それがあなたにとって有用になるかどうか私に知らせてください。

0
durjoy