python - 将 Pandas 函数应用于多个列

Question

我有一个函数，我已将其设置为返回两个值(称它们为 Site & Date)。我正在尝试使用 df.apply 创建两个新列，每个列代表一个返回值。我不想将此函数应用两次或更多次，因为它会花费很长时间，因此我需要某种方法将两列的值设置为函数中的两个或更多值。这是我的代码。

df1[['Site','Site Date']] = df1.apply(
    lambda row: firstSite(biomass, row['lat'], row['long'], row['Date']), 
    axis = 1)

输入值 biomass 是一个坐标数据框，行 'lat'、'lng'、'Date' 都是 df1 中的列。如果我决定将此函数应用于 df['Site']，它会完美运行，但是当我想将值应用于两列时，我会收到此错误。

ValueError: Shape of passed values is (999, 2), indices imply (999, 28)

---

def firstSite(biomass, lat, long, date):

    biomass['Date of Operation']  = pd.to_datetime(biomass['Date of Operation'])
    biomass = biomass[biomass['Date of Operation'] <= date]

    biomass['distance'] = biomass.apply(
        lambda row: distanceBetweenCm(lat, long, row['Lat'], row['Lng']), 
        axis=1)
    biomass['Site Name'] = np.where((biomass['distance'] <= 2), biomass['Site Name'], "Null")
    biomass = biomass.drop_duplicates('Site Name')
    Site = biomass.loc[biomass['Date of Operation'].idxmin(),'Site Name']
    Lat = biomass.loc[biomass['Date of Operation'].idxmin(),'Lat']
    return Site, Lat

这个函数有几个任务:

1 - 它从生物量中删除日期在 df1['Date'] 之后的所有行。

2 - 如果坐标之间的距离大于 2，则“站点名称”更改为“空”

3 - 它删除站点名称中的所有重复项，确保只有一行的值为“Null”。

4 - 它返回“站点名称”和“Lat”的值，其中“操作日期”最少。

我需要我的代码返回来自生物量的第一个(按日期)记录，其中 df1 和生物量的坐标之间的距离小于 2 公里。

希望我能够返回许多不同半径的第一个记录，例如 2 公里、4 公里、6 公里、8 公里、10 公里内的第一个生物质站点。

Answer 1

我认为您的函数需要返回具有 2 个值的 Series:

df1 = pd.DataFrame({'A':list('abcdef'),
                   'lat':[4,5,4,5,5,4],
                   'long':[7,8,9,4,2,3],
                   'Date':pd.date_range('2011-01-01', periods=6),
                   'E':[5,3,6,9,2,4],
                   'F':list('aaabbb')})

print (df1)
   A       Date  E  F  lat  long
0  a 2011-01-01  5  a    4     7
1  b 2011-01-02  3  a    5     8
2  c 2011-01-03  6  a    4     9
3  d 2011-01-04  9  b    5     4
4  e 2011-01-05  2  b    5     2
5  f 2011-01-06  4  b    4     3

biomass = 10
def firstSite(a,b,c,d):
    return pd.Series([a + b, d])

df1[['Site','Site Date']] = df1.apply(lambda row: firstSite(biomass,
                                                  row['lat'], row['long'], row['Date']), 
                                                  axis = 1)
print (df1)
   A       Date  E  F  lat  long  Site  Site Date
0  a 2011-01-01  5  a    4     7    14 2011-01-01
1  b 2011-01-02  3  a    5     8    15 2011-01-02
2  c 2011-01-03  6  a    4     9    14 2011-01-03
3  d 2011-01-04  9  b    5     4    15 2011-01-04
4  e 2011-01-05  2  b    5     2    15 2011-01-05
5  f 2011-01-06  4  b    4     3    14 2011-01-06