在python/pandas中跨多列应用类似函数

Question

问题：给定下面的dataframe，我正在尝试编写代码，将一个函数应用于三个不同的列，而不必编写三个单独的函数调用。你知道吗

数据的代码：

import pandas as pd
data = {'name': ['Jason', 'Molly', 'Tina', 'Jake', 'Amy'],
    'days': [365, 365, 213, 318, 71],
    'spend_30day': [22, 241.5, 0, 27321.05, 345],
    'spend_90day': [22, 451.55, 64.32, 27321.05, 566.54],
    'spend_365day': [854.56, 451.55, 211.65, 27321.05, 566.54]}

df = pd.DataFrame(data)
cols = df.columns.tolist()
cols = ['name', 'days', 'spend_30day', 'spend_90day', 'spend_365day']
df = df[cols]
df

下面的函数基本上是将支出按年计算；如果某人在“天”列中的天数少于365天，则下面的函数将告诉我如果他们有365天，支出将是多少：

def annualize_spend_365(row):
    if row['days']/(float(365)) < 1:
        return (row['spend_365day']/(row['days']/float(365)))
    else:
        return row['spend_365day']

然后我将函数应用于特定列：

df.spend_365day = df.apply(annualize_spend_365, axis=1).round(2)
df

这正是我想要它的一列。但是，我不想为三个不同的“花费”列（30、90、365）中的每一个重写这个。我希望能够编写代码，将这个函数推广和应用到多个列在一次通过。你知道吗

我以为我可以创建列及其各自的日期列表，使用“zip”函数，并将函数嵌套在for循环中，但我下面的尝试最终失败了：

spend_cols = [df.spend_30day, df.spend_90day, df.spend_365day]
days_list = [30, 90, 365]

for col, day in zip(spend_cols, days_list):
    def annualize_spend(row):
        if (row.days/(float(day)) < 1:
            return (row.col)/((row.days)/float(day))
        else:
            return row.col
    col = df.apply(annualize_spend, axis = 1)

错误：

AttributeError: ("'Series' object has no attribute 'col'")

我不知道为什么循环方法会失败。不管怎样，我希望能为如何在熊猫中推广函数应用提供指导。提前谢谢！你知道吗

Answer 1

请看两个函数定义：

def annualize_spend_365(row):
    if row['days']/(float(365)) < 1:
        return (row['spend_365day']/(row['days']/float(365)))
    else:
        return row['spend_365day']

以及

#col in [df.spend_30day, df.spend_90day, df.spend_365day]
def annualize_spend(row):
    if (row.days/(float(day)) < 1:
        return (row.col)/((row.days)/float(day))
    else:
        return row.col

看到区别了吗？一方面，在第一种情况下，您可以使用显式字段名访问字段，并且可以正常工作。在第二种情况下，您尝试访问row.col，但失败了，但在这种情况下col假定df中相应字段的值。不如试试

spend_cols = ['spend_30day', 'spend_90day', 'spend_365day']

在你的循环之前。另一方面，在语法df.days中，字段名实际上是“days”，但在df.col中，字段名不是字符串“col”，而是字符串col的值。因此，在后一种情况下也可能需要使用row[col]。不管怎样，我不确定在col上的循环中把col作为输出变量有多明智。你知道吗

---

我不熟悉pandas.DataFrame.apply，但可能使用单个函数定义，它将天数和感兴趣的字段作为输入变量：

def annualize_spend(col,day,row):
    if (row['days']/(float(day)) < 1:
        return (row[col])/((row['days'])/float(day))
    else:
        return row[col]

spend_cols = ['spend_30day', 'spend_90day', 'spend_365day']
days_list = [30, 90, 365]

for col, day in zip(spend_cols, days_list):
    col = df.apply(lambda row,col=col,day=day: annualize_spend(col,day,row), axis = 1)

当cd11.d>的一个参数空闲时，它将确保cd11.d>的一个参数空闲