python - 如何应用具有不同输入参数的相同函数在 pandas 数据框中创建新列？

Question

所以我有这个示例数据框:

      x_mean    x_min    x_max     y_mean     y_min     y_max
 1      85.6        3      264       75.7         3       240
 2     105.5        6      243       76.4         3       191
 3      95.8       19      287       48.4         8       134
 4      85.5       50      166       64.8        32       103
 5      55.9       24      117       46.7        19        77 


x_range = [list(range(0,50)),list(range(51,100)),list(range(101,250)),list(range(251,350)),list(range(351,430)),list(range(431,1000))]
y_range = [list(range(0,30)),list(range(31,60)),list(range(61,90)),list(range(91,120)),list(range(121,250)),list(range(251,2000))]


#here x = Any column with mean value (eg. x_mean or y_mean)
# y = x_range / y_range 

def min_max_range(x,y):
for a in y:
    if int(x) in a:
        min_val = min(a)
        max_val = max(a)+1
        return max_val - min_val

def min_range(x,y):
for a in y:
    if int(x) in a:
        min_val = min(a)
        return min_val

现在我想应用这些功能min_max_range()和min_range()前往栏目x_mean, y_mean获取新列。

喜欢函数min_max_val正在使用列x_mean & 范围 x_range作为创建列 x_min_max_val 的输入，类似列y_mean & 范围 y_range用于列 y_min_max_val :

我可以使用这些衬垫一一创建每​​一列，但我想将其应用于两列 x_mean & y_mean一次性使用单衬管的色谱柱。

df['x_min_max_val'] = df['x_mean'].apply(lambda x: min_max_range(x,x_range))
df['y_min_max_val'] = df['y_mean'].apply(lambda x: min_max_range(x,y_range))  

生成的数据框应如下所示:

      x_mean    x_min    x_max     y_mean     y_min     y_max    x_min_max_val   y_min_max_val        x_min_val   y_min_val
1      85.6        3      264       75.7         3       240                49              29               51          61
2     105.5        6      243       76.4         3       191               149              29              101          91
3      95.8       19      287       48.4         8       134                49              29               51          91
4      85.5       50      166       64.8        32       103                49              29               51          61
5      55.9       24      117       46.7        19        77                49              29               51          31

我想一次性创建这些列，而不是一次创建一列。我怎样才能做到这一点？有什么建议么？或者类似的东西可以工作？

df.filter(regex='mean').apply(lambda x: min_max_range(x,x+'_range'))

Answer 1

这是您需要遵循的概念才能实现这一目标。首先，您需要将范围存储在字典中，以便能够通过名称访问它们。

range_dict = {}
range_dict['x_range'] = x_range
range_dict['y_range'] = y_range

此外，您需要在列表中包含需要进行计算的列(或者您可以使用正则表达式来获取这些列，如果它们具有特定模式)

mean_cols_list = ['x_mean', 'y_mean']

现在，要将函数应用于所有列，您需要定义这样的函数

def min_max_calculator(df, range_dictionary, mean_columns_list):
    for i in range(len(mean_cols_list)):
        # this returns 'x_mean'
        current_column = mean_cols_list[i]
        # this returns 'x_min_max_value'
        output_col_name = current_column.replace('mean','min_max_value')
        # this returns 'x_range'
        range_name = current_column.replace('mean','range')
        # this returns the list of ranges for x_range
        range_list = range_dict[range_name]
        # This add the calculated column to the dataframe
        df[output_col_name] = df[current_column].apply(lambda x: min_max_range(x,range_list))
    return(df)

df_output = min_max_calculator(df, range_dict, mean_cols_list)