如何将函数应用于给定其他列值的列？

如何解决如何将函数应用于给定其他列值的列？

我有一个函数，想要创建一个新列df ['growth_factor']，其中将包含派生值。棘手的是，该函数的每一行都需要传递另外两列。

.prototype

我该如何实现？

解决方法

执行此查询的方法更快，但这是一种简单的方法：

let flattenedArr = [];
const flatten = (arr) => { //pass the array
  for (let i of arr) {  // get element of the array 
    if (Array.isArray(i)) { // check if element is of type array
      flatten(i);              // call same function again (recursion)
    } else flattenedArr.push(i);  // else push to flattenedArr
  }
  return flattenedArr;       // return flattenedArr
};
console.log(flatten([1,[32],[3],[3,5,[4]]]));

作为一种替代方法，您可以将growth_factor函数中的信息放入第二个数据帧，然后将其连接到df（使用pd.merge（））。

,

这只是时间比较而不是答案。在这种情况下，最灵活的解决方案是@jsmart，但@ MrNobody33提供了最快的解决方案

数据

import pandas as pd
import numpy as np

df =  pd.DataFrame({"city":["losangeles","losangeles","newyork"],"beds":[3,4,4]})

@jsmart的解决方案

def growth_factor(city,beds):
    if beds==3:
        if city == 'losangeles'      : return 45
        else: False
    elif beds==4:
        if city == 'losangeles'      : return 47
        elif city == 'newyork'       : return 50
        else: False
    else: False

%%timeit -n 1000 -r 10
o = df.apply(
    lambda x: growth_factor(x['city'],x['beds']),axis=1)

1.2 ms ± 18.3 µs per loop (mean ± std. dev. of 10 runs,1000 loops each)

@ MrNobody33的解决方案

choices=[45,47,50]

conditions=[(df['beds'].eq(3) & df['city'].eq('losangeles')),(df['beds'].eq(4) & df['city'].eq('losangeles')),(df['beds'].eq(4) & df['city'].eq('newyork'))]

%%timeit -n 1000 -r 10
o = np.select(conditions,choices,default='False')

184 µs ± 14.4 µs per loop (mean ± std. dev. of 10 runs,1000 loops each)

速度是 6.5倍。

额外

如果您有一个具有3.000行而不是3行的数据框，那么矢量解决方案就更好了

df = pd.concat([df for i in range(1000)],ignore_index=True)

应用

%%timeit -n 10 -r 10
o = df.apply(
    lambda x: growth_factor(x['city'],axis=1)

84.3 ms ± 3.17 ms per loop (mean ± std. dev. of 10 runs,10 loops each)

矢量

%%timeit -n 10 -r 10
o = np.select(conditions,default='False')

437 µs ± 102 µs per loop (mean ± std. dev. of 10 runs,10 loops each)

速度快了 193倍。

,

使用np.select：

import numpy as np

choices=[45,(df['beds'].eq(4) & df['city'].eq('newyork'))]

df['growth_factor']=np.select(conditions,default='False')

输出：

df
         city  beds growth_factor
0  losangeles     3            45
1  losangeles     4            47
2     newyork     3         False

,

好的，试试这个：

for index,row in df.iterrows():
    g_f = growth_factor(row.city,row.beds)
    #print(g_f)
    #insert the value into df
    row.growth_factor = g_f

基本上，您需要遍历每一行并调用函数以获取growth_factor列值，然后将其分配给df。

此外，我注意到，您的函数针对纽约市值返回False。您可能需要再次检查。