Python: Funktion auf jede Zeile eines Pandas DataFrame anwenden und ** neuen Datenrahmen zurückgeben **

Question

Ich versuche, eine Funktion auf jede Zeile eines Datenrahmens anzuwenden. Der schwierige Teil ist, dass die Funktion einen neuen Datenrahmen für jede verarbeitete Zeile zurückgibt. Angenommen, die Spalten dieses Datenrahmens können leicht aus der verarbeiteten Zeile abgeleitet werden.

Am Ende sollte das Ergebnis alle diese Datenrahmen (1 für jede verarbeitete Zeile) verkettet sein. Ich stelle absichtlich keinen Beispielcode zur Verfügung, weil der einfachste Lösungsvorschlag ausreicht, solange der "schwierige" Teil erfüllt wird.

Ich habe Stunden damit verbracht, durch Docs und Stackoverflow zu graben, um eine Lösung zu finden. Wie immer sind die Pandas-Dokumente so praktisch, dass es neben den einfachsten Operationen, die ich einfach nicht herausfinden konnte, keine praktischen Beispiele gibt. Ich habe auch darauf geachtet, keine doppelten Fragen zu verpassen. Danke vielmals.

Answer 1

Vorausgesetzt, dass die Funktion, die Sie jede Zeile anwenden wird f genannt

pd.concat({i: f(row) for i, row in df.iterrows()}) 

Arbeitsbeispiel

df = pd.DataFrame(np.arange(25).reshape(5, 5), columns=list('ABCDE')) 

def f(row): 
    return pd.concat([row] * 2, keys=['x', 'y']).unstack().drop('C', 1).assign(S=99) 

pd.concat({i: f(row) for i, row in df.iterrows()}) 

     A B D E S 
0 x 0 1 3 4 99 
    y 0 1 3 4 99 
1 x 5 6 8 9 99 
    y 5 6 8 9 99 
2 x 10 11 13 14 99 
    y 10 11 13 14 99 
3 x 15 16 18 19 99 
    y 15 16 18 19 99 
4 x 20 21 23 24 99 
    y 20 21 23 24 99 

Oder

df.groupby(level=0).apply(lambda x: f(x.squeeze())) 


     A B D E S 
0 x 0 1 3 4 99 
    y 0 1 3 4 99 
1 x 5 6 8 9 99 
    y 5 6 8 9 99 
2 x 10 11 13 14 99 
    y 10 11 13 14 99 
3 x 15 16 18 19 99 
    y 15 16 18 19 99 
4 x 20 21 23 24 99 
    y 20 21 23 24 99 

Answer 2

ich es auf diese Weise tun würde - obwohl ich fest, die .apply ist möglicherweise, was Sie suchen.

import pandas as pd 
import numpy as np 

np.random.seed(7) 

orig=pd.DataFrame(np.random.rand(6,3)) 

orig.columns=(['F1','F2','F3']) 

res=[] 


for i,r in orig.iterrows(): 
    tot=0 
    for col in r: 
     tot=tot+col 
    rv={'res':tot} 
    a=pd.DataFrame.from_dict(rv,orient='index',dtype=np.float64) 
    res.append(a) 


res[0].head() 

Sollte so etwas wie dieses

{'res':10} 

Answer 3

zurückkehren Es ist unklar, was Sie erreichen wollen, aber ich bezweifle, dass Sie getrennte Datenrahmen erstellen müssen.

Das folgende Beispiel zeigt, wie Sie einen Datenframe verwenden, ihn in die entsprechenden Spalten unterteilen, eine Funktion foo auf eine der Spalten anwenden und dann eine zweite Funktion bar anwenden, die mehrere Werte zurückgibt.

df = pd.DataFrame({ 
    'first_name': ['john', 'nancy', 'jolly'], 
    'last_name': ['smith', 'drew', 'rogers'], 
    'A': [1, 4, 7], 
    'B': [2, 5, 8], 
    'C': [3, 6, 9] 
}) 

>>> df 
first_name last_name A B C 
0 john smith 1 2 3 
1 nancy drew 4 5 6 
2 jolly rogers 7 8 9 

def foo(first_name): 
    return 2 if first_name.startswith('j') else 1 

def bar(first_name): 
    return (2, 0) if first_name.startswith('j') else (1, 3) 

columns_of_interest = ['first_name', 'A'] 

df_new = pd.concat([ 
    df[columns_of_interest].assign(x=df.first_name.apply(foo)), 
    df.first_name.apply(bar).apply(pd.Series)], axis=1) 

>>> df_new 
first_name A x 0 1 
0 john 1 2 2 0 
1 nancy 4 1 1 3 
2 jolly 7 2 2 0