python - 如何在 Python Pandas 中对同一数据框中的两列执行操作？

Question

我正在尝试应用操作'x-y/y'，即x列'Faturamento'和y 列 'Custo' 来自名为 'df' 的数据帧，并将结果存储在名为 'Roi' 的新列中。

我尝试使用 apply 函数:

df['Roi'] = df.apply(lambda x, y: x['Faturamento']-y['Custo']/y['Custo'], axis=1)

正在返回:

TypeError: () missing 1 required positional argument: 'y'

我该怎么做？

Answer 1

您可以使用简单算术等语法的列运算。 Pandas 会自动为你对齐索引，这样你每次操作都是逐行操作。

df['Roi'] = (df['Faturamento'] - df['Custo']) / df['Custo']

或

df['Roi'] = df['Faturamento'] / df['Custo'] - 1

这样，您就可以享受经过优化以快速运行的 Pandas 的快速矢量化处理。如果您在 axis=1 上使用带有 lambda 函数的 .apply()，它只是底层处理中的一个缓慢的 Python 循环，并且速度会很慢。

性能基准

测试 1. 具有 4 行的小型 df

   Faturamento  Custo
0           50     20
1           10      5
2            5     15
3          100    400

%%timeit
df['Roi'] = df.apply(lambda x: (x['Faturamento']-x['Custo'])/x['Custo'], axis=1)

721 µs ± 3.54 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%%timeit
df['Roi'] = df['Faturamento'] / df['Custo'] - 1

490 µs ± 4.83 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

摘要:.apply + lambda 需要 721 µs 而 Pandas 内置需要 490 µs:对于 . 的小数据集，速度提高 1.47 倍。

测试 2. 具有 40000 行的大型 df

df2 = pd.concat([df] * 10000, ignore_index=True)

%%timeit
df2['Roi'] = df2.apply(lambda x: (x['Faturamento']-x['Custo'])/x['Custo'], axis=1)

639 ms ± 3.62 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%%timeit
df2['Roi'] = df2['Faturamento'] / df2['Custo'] - 1

767 µs ± 12.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

摘要:.apply + lambda 需要 639 ms (= 639,000 µs) 而 Pandas 内置需要 767 µs:对于大型数据集，速度提高了 833 倍。