python - 使用 Pandas 到 "applymap"并访问索引/列？

Question

解决以下 Pandas 问题的最有效方法是什么？
这是一个简化的示例，其中包含数据框中的一些数据:

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(0,10,size=(10, 4)), columns=['a','b','c','d'], 
                  index=np.random.randint(0,10,size=10))

此数据如下所示:

   a  b  c  d
1  0  0  9  9
0  2  2  1  7
3  9  3  4  0
2  5  0  9  4
1  7  7  7  2
6  4  4  6  4
1  1  6  0  0
7  8  0  9  3
5  0  0  8  3
4  5  0  2  4

现在我想应用一些功能 f到数据帧中的每个值(例如下面的函数)，并获取一个数据帧作为结果输出。棘手的部分是 我正在应用的函数取决于我当前位于 的索引的值.

def f(cell_val, row_val):
    """some function which needs to know row_val to use it"""
    try:
        return cell_val/row_val
    except ZeroDivisionError:
        return -1

通常，如果我想对数据框中的每个单独的单元格应用一个函数，我只需调用 .applymap()在 f .即使我必须传入第二个参数(在本例中为“row_val”)，如果参数是固定数字，我也可以编写一个 lambda 表达式，例如 lambda x: f(x,i)在哪里 i是我想要的固定数字。但是，我的第二个参数取决于我当前从中调用函数的数据框中的行，这意味着我不能只使用 .applymap() .
我将如何有效地解决这样的问题？我可以想到几种方法来做到这一点，但没有一个觉得“正确”。我可以:

遍历每个单独的值并一个一个地替换它们，但这看起来真的很尴尬而且很慢。

创建一个包含(单元格值，行值)元组的完全独立的数据框并使用内置的 pandas applymap()在我的元组数据框中。但这似乎很老套，我还创建了一个完全独立的数据框作为额外的步骤。

必须有一个更好的解决方案(一个快速的解决方案将不胜感激，因为我的数据框可能会变得非常大)。

Answer 1

IIUC 你可以使用 div 与 axis=0另外，您需要转换 Index反对 Series对象使用 to_series :

In [121]:
df.div(df.index.to_series(), axis=0).replace(np.inf, -1)

Out[121]:
          a         b         c         d
1  0.000000  0.000000  9.000000  9.000000
0 -1.000000 -1.000000 -1.000000 -1.000000
3  3.000000  1.000000  1.333333  0.000000
2  2.500000  0.000000  4.500000  2.000000
1  7.000000  7.000000  7.000000  2.000000
6  0.666667  0.666667  1.000000  0.666667
1  1.000000  6.000000  0.000000  0.000000
7  1.142857  0.000000  1.285714  0.428571
5  0.000000  0.000000  1.600000  0.600000
4  1.250000  0.000000  0.500000  1.000000

此外，除以零导致 inf您需要调用 replace 用 -1 替换这些行