Панды: Как я могу использовать функцию apply () для одного столбца?

У меня есть кадр данных панд с двумя столбцами. Мне нужно изменить значения первого столбца, не затрагивая второй, и получить обратно весь фрейм данных только с измененными значениями первого столбца. Как я могу сделать это, используя apply в пандах?

Дан примерный кадр данных dfкак:

a,b
1,2
2,3
3,4
4,5

что вы хотите это:

df['a'] = df['a'].apply(lambda x: x + 1)

что возвращает:

   a  b
0  2  2
1  3  3
2  4  4
3  5  5

Для одного столбца лучше использовать map(), например так:

df = pd.DataFrame([{'a': 15, 'b': 15, 'c': 5}, {'a': 20, 'b': 10, 'c': 7}, {'a': 25, 'b': 30, 'c': 9}])

    a   b  c
0  15  15  5
1  20  10  7
2  25  30  9



df['a'] = df['a'].map(lambda a: a / 2.)

      a   b  c
0   7.5  15  5
1  10.0  10  7
2  12.5  30  9

Вам не нужна функция вообще. Вы можете работать над целым столбцом напрямую.

Пример данных:

>>> df = pd.DataFrame({'a': [100, 1000], 'b': [200, 2000], 'c': [300, 3000]})
>>> df

      a     b     c
0   100   200   300
1  1000  2000  3000

Половина всех значений в столбце a:

>>> df.a = df.a / 2
>>> df

     a     b     c
0   50   200   300
1  500  2000  3000

Хотя данные ответы являются правильными, они изменяют начальный фрейм данных, что не всегда желательно (и, учитывая, что OP запросил примеры «использования apply», возможно, им нужна версия, которая возвращает новый фрейм данных, как это applyпроисходит).

Это возможно с помощью assign: он действителен для assignсуществующих столбцов, как указано в документации (выделено мое):

Назначьте новые столбцы в DataFrame.

Возвращает новый объект со всеми исходными столбцами в дополнение к новым. Существующие столбцы, которые будут переназначены, будут перезаписаны .

Коротко:

In [1]: import pandas as pd

In [2]: df = pd.DataFrame([{'a': 15, 'b': 15, 'c': 5}, {'a': 20, 'b': 10, 'c': 7}, {'a': 25, 'b': 30, 'c': 9}])

In [3]: df.assign(a=lambda df: df.a / 2)
Out[3]: 
      a   b  c
0   7.5  15  5
1  10.0  10  7
2  12.5  30  9

In [4]: df
Out[4]: 
    a   b  c
0  15  15  5
1  20  10  7
2  25  30  9

Обратите внимание, что функции будет передан весь фрейм данных, а не только столбец, который вы хотите изменить, поэтому вам нужно будет убедиться, что вы выбрали правильный столбец в своей лямбде.

Если вы действительно обеспокоены скоростью выполнения вашей функции применения, и у вас есть огромный набор данных для работы, вы можете использовать swifter для ускорения выполнения, вот пример для swifter на панде dataframe:

import pandas as pd
import swifter

def fnc(m):
    return m*3+4

df = pd.DataFrame({"m": [1,2,3,4,5,6], "c": [1,1,1,1,1,1], "x":[5,3,6,2,6,1]})

# apply a self created function to a single column in pandas
df["y"] = df.m.swifter.apply(fnc)

Это позволит всем ядрам процессора вычислять результат, следовательно, это будет намного быстрее, чем обычные применяемые функции. Попробуйте и дайте мне знать, если это станет полезным для вас.

Позвольте мне попробовать сложное вычисление, используя datetime и принимая во внимание нули или пустые места. Я сокращаю 30 лет для столбца datetime и использую applyметод, а также lambdaконвертирую формат datetime. Line if x != '' else xпозаботится обо всех пустых местах или нулях соответственно.

df['Date'] = df['Date'].fillna('')
df['Date'] = df['Date'].apply(lambda x : ((datetime.datetime.strptime(str(x), '%m/%d/%Y') - datetime.timedelta(days=30*365)).strftime('%Y%m%d')) if x != '' else x)