如何遍历数据框中的列并同时更新两个新列？

Question

我知道我可以向数据框添加一列并将其值更新为从函数返回的值，如下所示：

df=pd.DataFrame({'x':[1,2,3,4]})

def square(x):
    return x*x

df['x_squared'] = [square(i) for i in df['x']]

但是，我遇到了实际函数返回两项的问题，我想将这两项放在两个不同的新列中。我在这里写了一个伪代码来更清楚地描述我的问题：

df=pd.DataFrame({'x':[1,2,3,4]})

def squareAndCube(x):
    return x*x, x*x*x

#below is a pseudo-code
df['x_squared'], df['x_cubed'] = [squareAndCube(i) for i in df['x']]

上面的代码给我一条错误消息说 "too many values to unpack"。那么，我应该如何解决这个问题？

Answer 1

你可以用矢量化的方式来做，像这样 -

df['x_squared'], df['x_cubed'] = df.x**2,df.x**3

或者像这样使用自定义函数 -

df['x_squared'], df['x_cubed'] = squareAndCube(df.x)

回到你的循环案例，在作业的右侧，你有：

In [101]: [squareAndCube(i) for i in df['x']]
Out[101]: [(1, 1), (4, 8), (9, 27), (16, 64)]

现在，在左侧，您有 df['x_squared'], df['x_cubed'] =。因此，它期望所有行的平方数作为第一个输入分配。从上面显示的列表中，第一个元素不是那个，它实际上是第一行的正方形和立方体。因此，解决方法是 "transpose" 列出并指定为新列。因此，修复将是 -

In [102]: L = [squareAndCube(i) for i in df['x']]

In [103]: map(list, zip(*L))  # Transposed list
Out[103]: [[1, 4, 9, 16], [1, 8, 27, 64]]

In [104]: df['x_squared'], df['x_cubed'] = map(list, zip(*L))

为了 NumPy broadcasting 的爱！

df['x_squared'], df['x_cubed'] = (df.x.values[:,None]**[2,3]).T

Answer 2

这样使用 df.loc 怎么样：

df=pd.DataFrame({'x':[1,2,3,4]})

def square(x):
    return x*x

df['x_squared'] = df['x_cubed'] = None
df.loc[:, ['x_squared', 'x_cubed']] = [squareAndCube(i) for i in df['x']]

给予

   x  x_squared  x_cubed
0  1          1        1
1  2          4        8
2  3          9       27
3  4         16       64

这非常接近您所拥有的，但这些列需要存在才能 df.loc 工作。

对于外行来说，df.loc 有两个参数，一个是您要处理的行列表 - 在本例中 : 表示所有行，另一个是列列表 - ['x_squared', 'x_cubed'].

Answer 3

这适用于正数。考虑如何概括，但这个解决方案的简洁让我分心了。

df = pd.DataFrame(range(1, 10))
a = np.arange(1, 4).reshape(1, -1)

np.exp(np.log(df).dot(a))

如何遍历数据框中的列并同时更新两个新列？

How to iterate through a column in dataframe and update two new columns simultaneously?

python

numpy

multiple-columns

dataframe

pandas