pandas 如何在panda中批量处理多列数据

hs1ihplo 于 2023-03-11 发布在其他

关注(0)|答案(1)|浏览(217)

我有两个手术，第一个是

df['A'] = scipy.stats.norm.cdf(df['aScore'],
                               loc=df['amean'],scale=df['astd'])*100
df['B'] = scipy.stats.norm.cdf(df['bScore'],
                               loc=df['bmean'],scale=df['bstd'])*100
df['C'] = scipy.stats.norm.cdf(df['cScore'],
                               loc=df['cmean'],scale=df['cstd'])*100

另一个是

df['D'] = df.groupby(['col1','col2'])['D'].transform(sum)
df['E'] = df.groupby(['col1','col2'])['E'].transform(sum)
df['F'] = df.groupby(['col1','col2'])['F'].transform(sum)

有没有办法避免重复（以及循环），并把它们写在一个句子里？

pandas

来源：https://stackoverflow.com/questions/75646761/how-do-i-batch-multiple-columns-of-data-in-pandas

1条答案

按热度按时间

mcvgt66p1#

对于第一个操作，可以使用apply（）方法和lambda函数，一次对多个列应用相同的操作。
定义应用norm.cdf操作的函数

def apply_norm_cdf(column_name, mean_column_name, std_column_name):
return scipy.stats.norm.cdf(df[column_name],
                            loc=df[mean_column_name],
                            scale=df[std_column_name]) * 100

一次对多个列应用norm.cdf操作

df[['A', 'B', 'C']] = df.apply(lambda row: apply_norm_cdf(row.name + 'Score', row.name + 'mean', row.name + 'std'), axis=1)

对于另一个，对每列多次执行相同的groupby（）操作可以简化如下。

df[['D', 'E', 'F']] = df.groupby(['col1', 'col2'])[['D', 'E', 'F']].transform(sum)

赞(0）回复(0）举报 2023-03-11

我来回答

pandas 如何在panda中批量处理多列数据

1条答案

相关问题

热门标签

最新问答