Comment appliquer une fonction à deux colonnes d'un cadre de données Pandas ?

Question

Supposons que j'ai un df qui a des colonnes de 'ID', 'col_1', 'col_2' . Et je définis une fonction :

f = lambda x, y : my_function_expression .

Maintenant, je veux appliquer le f à df Les deux colonnes de l'article 'col_1', 'col_2' pour calculer par éléments une nouvelle colonne 'col_3' , un peu comme :

df['col_3'] = df[['col_1','col_2']].apply(f)  
# Pandas gives : TypeError: ('<lambda>() takes exactly 2 arguments (1 given)'

Comment faire ?

** Ajouter un échantillon détaillé comme ci-dessous ***

import pandas as pd

df = pd.DataFrame({'ID':['1','2','3'], 'col_1': [0,2,3], 'col_2':[1,4,5]})
mylist = ['a','b','c','d','e','f']

def get_sublist(sta,end):
    return mylist[sta:end+1]

#df['col_3'] = df[['col_1','col_2']].apply(get_sublist,axis=1)
# expect above to output df as below 

  ID  col_1  col_2            col_3
0  1      0      1       ['a', 'b']
1  2      2      4  ['c', 'd', 'e']
2  3      3      5  ['d', 'e', 'f']

Answer 1

Voici un exemple utilisant apply sur le cadre de données, que j'appelle avec axis = 1 .

Notez que la différence est qu'au lieu d'essayer de passer deux valeurs à la fonction f Dans ce cas, réécrivez la fonction pour accepter un objet Série pandas, puis indexez la Série pour obtenir les valeurs nécessaires.

In [49]: df
Out[49]: 
          0         1
0  1.000000  0.000000
1 -0.494375  0.570994
2  1.000000  0.000000
3  1.876360 -0.229738
4  1.000000  0.000000

In [50]: def f(x):    
   ....:  return x[0] + x[1]  
   ....:  

In [51]: df.apply(f, axis=1) #passes a Series object, row-wise
Out[51]: 
0    1.000000
1    0.076619
2    1.000000
3    1.646622
4    1.000000

En fonction de votre cas d'utilisation, il est parfois utile de créer un module pandas group et ensuite utiliser apply sur le groupe.

Answer 2

Il existe une méthode propre, en une ligne, pour effectuer cette opération dans Pandas :

df['col_3'] = df.apply(lambda x: f(x.col_1, x.col_2), axis=1)

Cela permet f est une fonction définie par l'utilisateur avec des valeurs d'entrée multiples, et utilise des noms de colonnes (sûrs) plutôt que des indices numériques (non sûrs) pour accéder aux colonnes.

Exemple avec données (basé sur la question initiale) :

import pandas as pd

df = pd.DataFrame({'ID':['1', '2', '3'], 'col_1': [0, 2, 3], 'col_2':[1, 4, 5]})
mylist = ['a', 'b', 'c', 'd', 'e', 'f']

def get_sublist(sta,end):
    return mylist[sta:end+1]

df['col_3'] = df.apply(lambda x: get_sublist(x.col_1, x.col_2), axis=1)

Sortie de print(df) :

  ID  col_1  col_2      col_3
0  1      0      1     [a, b]
1  2      2      4  [c, d, e]
2  3      3      5  [d, e, f]

Si les noms de vos colonnes contiennent des espaces ou partagent un nom avec un attribut de cadre de données existant, vous pouvez les indexer avec des crochets :

df['col_3'] = df.apply(lambda x: f(x['col 1'], x['col 2']), axis=1)

Answer 3

La solution est simple :

df['col_3'] = df[['col_1','col_2']].apply(lambda x: f(*x), axis=1)

Answer 4

Une question intéressante ! Ma réponse est la suivante :

import pandas as pd

def sublst(row):
    return lst[row['J1']:row['J2']]

df = pd.DataFrame({'ID':['1','2','3'], 'J1': [0,2,3], 'J2':[1,4,5]})
print df
lst = ['a','b','c','d','e','f']

df['J3'] = df.apply(sublst,axis=1)
print df

Sortie :

  ID  J1  J2
0  1   0   1
1  2   2   4
2  3   3   5
  ID  J1  J2      J3
0  1   0   1     [a]
1  2   2   4  [c, d]
2  3   3   5  [d, e]

J'ai changé le nom de la colonne en ID,J1,J2,J3 pour m'assurer que ID < J1 < J2 < J3, afin que la colonne s'affiche dans la bonne séquence.

Une version plus brève :

import pandas as pd

df = pd.DataFrame({'ID':['1','2','3'], 'J1': [0,2,3], 'J2':[1,4,5]})
print df
lst = ['a','b','c','d','e','f']

df['J3'] = df.apply(lambda row:lst[row['J1']:row['J2']],axis=1)
print df

Answer 5

La méthode que vous recherchez est Series.combine. Cependant, il semble qu'il faille faire attention aux types de données. Dans votre exemple, vous pourriez (comme je l'ai fait en testant la réponse) appeler naïvement

df['col_3'] = df.col_1.combine(df.col_2, func=get_sublist)

Cependant, cela provoque l'erreur suivante :

ValueError: setting an array element with a sequence.

Mon hypothèse la plus probable est qu'il semble s'attendre à ce que le résultat soit du même type que la série qui appelle la méthode (df.col_1 ici). Cependant, la méthode suivante fonctionne :

df['col_3'] = df.col_1.astype(object).combine(df.col_2, func=get_sublist)

df

   ID   col_1   col_2   col_3
0   1   0   1   [a, b]
1   2   2   4   [c, d, e]
2   3   3   5   [d, e, f]