在Python中，是否可以使用Pandas创建一个函数来获取任意数据帧和任意列作为其输入？

Question

假设我们有一个这样的数据帧：

 my_df>>  

  column_1   column_2 column_3  column_4
0  0.276162  0.552951  0.866023  0.571535
1  0.112933  0.549487  0.626958  0.988705
2  0.916932  0.561641  0.220696  0.545019

我可以有一个函数，它可以获得任何像这样的数据帧，并将其中的任何一列作为输入吗？

更清楚地说，如果我有一个这样的函数：

def multiply_5(df,column):
    df.column=df.column.apply(lambda x:x*5-3)

如果我以类似的方式使用它，它可以工作吗？

multiply_5(my_df,column_2)

为了实现这一点：

my_df.column_2=my_df.column_2.apply(lambda x:x*5-3)

我知道我写的这种特定的方法不起作用，但是有没有什么简单的方法可以将这个函数用于其他数据帧？

Answer 1

尝试：

def multiply_5(df,column):
    df[column]=df[column].apply(lambda x:x*5-3)
    return df

df = multiply_5(df, "column_2")

print(df)
    column_1    column_2    column_3    column_4
0   0.276162    -4.176225   0.866023    0.571535
1   0.112933    -4.262825   0.626958    0.988705
2   0.916932    -3.958975   0.220696    0.545019

甚至还有一种更奇怪的方式来通过属性来做同样的事情：

def multiply_5(df,column):
    setattr(df,column, getattr(df,column).apply(lambda x:x*5-3))
    return df 

Answer 2

实际上，你甚至不需要这样的函数--你可以使用DataFrame.eval()函数：

数据：

In [6]: df
Out[6]:
   column_1  column_2  column_3  column_4
0  0.276162  0.552951  0.866023  0.571535
1  0.112933  0.549487  0.626958  0.988705
2  0.916932  0.561641  0.220696  0.545019

演示：

In [7]: df.eval("column_1 = column_1 * 5", inplace=False)
Out[7]:
   column_1  column_2  column_3  column_4
0  1.380810  0.552951  0.866023  0.571535
1  0.564665  0.549487  0.626958  0.988705
2  4.584660  0.561641  0.220696  0.545019

In [8]: df.eval("new = (column_1 + column_3) ** 2", inplace=False)
Out[8]:
   column_1  column_2  column_3  column_4       new
0  0.276162  0.552951  0.866023  0.571535  1.304587
1  0.112933  0.549487  0.626958  0.988705  0.547439
2  0.916932  0.561641  0.220696  0.545019  1.294197

In [9]: df.eval("new = sqrt(sin(column_2))", inplace=False)
Out[9]:
   column_1  column_2  column_3  column_4       new
0  0.276162  0.552951  0.866023  0.571535  0.724707
1  0.112933  0.549487  0.626958  0.988705  0.722669
2  0.916932  0.561641  0.220696  0.545019  0.729778