在一行中的2个数据帧列上应用Lambda

Question

r_c = 'newyork sanfrancisco losangeles'.split()

def my_is_r_c(c):
    return c.replace(' ', '').lower() in r_c

train['is_r_c'] = train['c_o'].apply(lambda x: 1 if my_is_r_c(x) else 0)
train['is_r_c'] = train['c_d'].apply(lambda x: 1 if my_is_r_c(x) else 0)

嗨，伙计们

是否有一种方法可以将lambda应用于两列['c_o']和['c_d']，只在一行中

提前thx

Answer 1

您可以像这样重写函数：

# use of `isin` allows passing a series
def my_is_rc(c):
    return c.replace(' ','').isin(r_c).astype(int)

# apply along the columns    
train[['is_rc','is_rd']] = train[['c_o','c_d']].apply(my_is_rc)

或者干脆忘掉apply和：

train[['is_rc','is_rd']] = train[['c_o','c_d']].isin(r_c).astype(int)

Answer 2

您可以这样使用applymap来实现：

df[['is_r_c', 'is_r_d']]= df[['c_o', 'c_d']].applymap(lambda x: 1 if my_is_r_c(x) else 0)

如果您希望合并这些列，并且实际上只有一个结果列，如果您的函数对至少一个列的计算结果为1，则该结果列应包含1，您可以通过如下小的变化来实现：

df[['is_r_c']]= df[['c_o', 'c_d']].applymap(lambda x: 1 if my_is_r_c(x) else 0).max(axis='columns')

Answer 3

使用df.filter：

df.filter(regex='c_[od]').apply(lambda x: 1 if my_is_r_c(x) else 0)