其他试图提供与R的sweep函数(如here)等效的python的问题并没有真正解决最有用的多个参数的情况。
假设我希望对Dataframe的每一行应用一个双参数函数,其中包含来自另一个DataFrame的列的匹配元素:
df = data.frame("A" = 1:3,"B" = 11:13)
df2= data.frame("X" = 10:12,"Y" = 10000:10002)
sweep(df,1, FUN="*",df2$X)在python中,我使用apply获得了等价物,基本上就是循环遍历行计数。
df = pd.DataFrame( { "A" : range(1,4),"B" : range(11,14) } )
df2 = pd.DataFrame( { "X" : range(10,13),"Y" : range(10000,10003) } )
pd.Series(range(df.shape[0])).apply(lambda row_count: np.multiply(df.iloc[row_count,:],df2.iloc[row_count,df2.columns.get_loc('X')]))我非常怀疑这在pandas中的有效性,有什么更好的方法呢?
应用*时,两位代码都应产生6个数字的数据帧/矩阵
A B
1 10 110
2 22 132
3 36 156我应该清楚地说明,目标是将自己的函数插入到这个sweep中,就像这样的行为:
df = data.frame("A" = 1:3,"B" = 11:13)
df2= data.frame("X" = 10:12,"Y" = 10000:10002)
myFunc = function(a,b) { floor((a + b)^min(a/2,b/3)) }
sweep(df,1, FUN=myFunc,df2$X)结果是:
A B
[1,] 3 4
[2,] 3 4
[3,] 3 5在python pandas中做这件事的好方法是什么?
发布于 2019-02-14 22:08:26
如果我理解正确的话,您希望将一个二进制函数f(x,y)以行的方式应用于数据帧(对于x),其中一个方法是借用pandas内部本身的实现。如果你想扩展这个函数(例如,沿着列应用),只要f是二进制的,就可以用类似的方式来完成。如果需要更多参数,可以简单地对f执行partial,将其转换为二进制
import pandas as pd
from pandas.core.dtypes.generic import ABCSeries
def sweep(df, series, FUN):
assert isinstance(series, ABCSeries)
# row-wise application
assert len(df) == len(series)
return df._combine_match_index(series, FUN)
# define your binary operator
def f(x, y):
return x*y
# the input data frames
df = pd.DataFrame( { "A" : range(1,4),"B" : range(11,14) } )
df2 = pd.DataFrame( { "X" : range(10,13),"Y" : range(10000,10003) } )
# apply
test1 = sweep(df, df2.X, f)
# performance
# %timeit sweep(df, df2.X, f)
# 155 µs ± 1.27 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)#
# another method
import numpy as np
test2 = pd.Series(range(df.shape[0])).apply(lambda row_count: np.multiply(df.iloc[row_count,:],df2.iloc[row_count,df2.columns.get_loc('X')]))
# %timeit performance
# 1.54 ms ± 56.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
assert all(test1 == test2)希望这能有所帮助。
发布于 2019-02-11 05:26:20
在pandas中
df.mul(df2.X,axis=0)
A B
0 10 110
1 22 132
2 36 156https://stackoverflow.com/questions/54621203
复制相似问题