Pandas中的“.apply（）”到第k个参数

Question

我想将自己的多参数函数应用于一个数据帧（或其中的一个系列），使用数据帧条目作为N参数函数中的第k个参数。你知道吗

只有当我将dataframe作为第一个参数传递时，它似乎才起作用。我希望能够通过其他参数之一传递数据帧。你知道吗

# A simple 3 argument function:
def my_func(a, b, c):
    return (a/b)**c

# Data-Frame:
d1 = {
    'column1': [1.1, 1.2, 1.3, ],
    'column2': [2.1, 2.2, 2.3, ]
}
df = pd.DataFrame(d1, index = [1, 2, 3])

# I can apply it fine if I pass the columns as the first argument i.e. "a":
df.apply(my_func, b=7, c=9)

# However, I am unable to pass the columns through arguments "b" or "c":
df.apply(my_func, a = 7, c = 9)

这将返回一个TypeError:（“my_func（）为参数'a''获取了多个值，发生在索引列1'）

我希望能够通过我自己的多参数函数的任何参数传递数据帧（或序列）的列。 有没有一种简单/直观（非黑客式）的方法？

Answer 1

如果我理解正确，你只需要：

my_func(df['column1'], b=7, c=5)

熊猫系列可以乘/除/取常数的幂，返回相同大小的系列。你知道吗

在更复杂的场景中，当标量操作不够时，也可以将其编写为：

df.apply(lambda row: my_func(row['column1'], b=7, c=5), axis=1)

这里axis=1告诉Pandas将此函数应用于行而不是列（默认）

要将此函数应用于elementwise，可以改用df.appymap：

df.applymap(lambda value: my_func(7, value, c=5)

但是，如果my_func或其输入可以调整为使用向量，则速度将大大加快：

my_func(np.ones(df.shape) * 7, df, c=5)