Pandas: วิธีใช้ฟังก์ชันกับแต่ละแถวใน dataframe

คุณสามารถใช้ไวยากรณ์พื้นฐานต่อไปนี้เพื่อใช้ฟังก์ชันกับแต่ละแถวของ DataFrame ของ pandas:

 df[' new_col '] = df. apply ( lambda x: some function, axis= 1 )

ไวยากรณ์นี้ใช้ฟังก์ชันกับแต่ละแถวของ DataFrame แพนด้าและส่งกลับผลลัพธ์ในคอลัมน์ใหม่

ตัวอย่างต่อไปนี้แสดงวิธีใช้ไวยากรณ์นี้ในทางปฏิบัติ

ตัวอย่าง: ใช้ฟังก์ชันกับแต่ละแถวใน DataFrame

สมมติว่าเรามี DataFrame แพนด้าดังต่อไปนี้:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' A ': [5, 4, 7, 9, 12, 9, 9, 4],
                   ' B ': [10, 8, 10, 6, 6, 5, 9, 12]})

#view DataFrame
print (df)

    AB
0 5 10
1 4 8
2 7 10
3 9 6
4 12 6
5 9 5
6 9 9
7 4 12

ตอนนี้ สมมติว่าเราต้องการใช้ฟังก์ชันที่คูณค่าในคอลัมน์ A และคอลัมน์ B แล้วหารด้วย 2

เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อใช้ฟังก์ชันนี้กับแต่ละแถวของ DataFrame:

 #create new column by applying function to each row in DataFrame
df[' z '] = df. apply ( lambda x: x[' A '] * x[' B '] / 2, axis= 1 )

#view updated DataFrame
print (df)

    AB z
0 5 10 25.0
1 4 8 16.0
2 7 10 35.0
3 9 6 27.0
4 12 6 36.0
5 9 5 22.5
6 9 9 40.5
7 4 12 24.0

คอลัมน์ z แสดงผลของฟังก์ชัน

ตัวอย่างเช่น:

• แถวแรก: A * B / 2 = 5 * 10/2 = 25
• แถวที่สอง: A * B / 2 = 4 * 8/2 = 16
• แถวที่สาม: A * B / 2 = 7 * 10/2 = 35

และอื่นๆ

คุณสามารถใช้ไวยากรณ์ที่คล้ายกันกับ lambda เพื่อใช้ฟังก์ชันใดๆ ที่คุณต้องการกับแต่ละแถวของ Pandas DataFrame

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีดำเนินการทั่วไปอื่น ๆ ในแพนด้า:

วิธีใช้ฟังก์ชันกับ Pandas Groupby
วิธีดำเนินการผลรวม GroupBy ใน Pandas
วิธีใช้ Groupby และ Plot ใน Pandas