python - 应用 Pandas 创建列方法和函数

Question

我正在尝试优化我的代码并节省时间。我当前的解决方案有效，但当我将类似的函数应用于多个数据帧时，它是多余的且不可维护。

如何根据另一列的条件自动创建新列？

一些数据:

import pandas as pd

df = {'Column1': [1,2,3,4,5],
        'Column2': ["A","B","C","D","E"]}
df = pd.DataFrame(df, columns=['Column1','Column2'])

df


Column1 Column2
0   1   A
1   2   B
2   3   C
3   4   D
4   5   E

方法 1:有效，但每次我需要对新数据帧执行类似操作时都无法维护

# create band if column 2 contains A-C
df['Col_2_Band V1'] = "D-E"
df['Col_2_Band V1'][df['Column2'].isin(['A','B','C'])] = "A-C"
df


Column1 Column2 Col_2_Band V1
0   1   A   A-C
1   2   B   A-C
2   3   C   A-C
3   4   D   D-E
4   5   E   D-E

方法2:无法上类

def applyV2(row):
    row['Col_2_Band V2'] = "D-E"
    row['Col_2_Band V2'][df['Column2'].isin(['A','B','C'])] = "A-C"
    return row

df = df.apply(applyV2, axis=1)

**Error:**
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-8-cf5d31427d02> in <module>()
      4     return row
      5 
----> 6 df = df.apply(applyV2, axis=1)

C:\Users\cfeld\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\core\frame.py in apply(self, func, axis, broadcast, raw, reduce, args, **kwds)
   4852                         f, axis,
   4853                         reduce=reduce,
-> 4854                         ignore_failures=ignore_failures)
   4855             else:
   4856                 return self._apply_broadcast(f, axis)

C:\Users\cfeld\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\core\frame.py in _apply_standard(self, func, axis, ignore_failures, reduce)
   4948             try:
   4949                 for i, v in enumerate(series_gen):
-> 4950                     results[i] = func(v)
   4951                     keys.append(v.name)
   4952             except Exception as e:

<ipython-input-8-cf5d31427d02> in applyV2(row)
      1 def applyV2(row):
      2     row['Col_2_Band V2'] = "D-E"
----> 3     row['Col_2_Band V2'][df['Column2'].isin(['A','B','C'])] = "A-C"
      4     return row
      5 

TypeError: ("'str' object does not support item assignment", 'occurred at index 0')

最终目标:将此方法应用于多个dfs

# for example

df_10 = df10.apply(applyV2, axis=1)
df_20 = df20.apply(applyV2, axis=1)
df_30 = df30.apply(applyV2, axis=1)

Answer 1

在可能的情况下，不要将 pd.DataFrame.apply 用于易于矢量化的函数。 df.apply 只是一个薄薄的循环。

在这种情况下，以下内容更加高效并且同样可维护。 pd.DataFrame.pipe只是将数据框通过一个函数。我们使用 .loc 访问器根据给定条件分配值。

def add_row(df):
    df['Col_2_Band V2'] = 'D-E'
    df.loc[df['Column2'].isin({'A','B','C'}), 'Col_2_Band V2'] = 'A-C'
    return df

df = df.pipe(add_row)