Pandas: Comment puis-je utiliser la fonction apply () pour une seule colonne?

J'ai un cadre de données pandas avec deux colonnes. J'ai besoin de modifier les valeurs de la première colonne sans affecter la seconde et de récupérer l'intégralité du bloc de données avec uniquement les valeurs de la première colonne modifiées. Comment puis-je faire cela en utilisant Appliquer dans les pandas?

Étant donné un exemple de trame dfde données:

a,b
1,2
2,3
3,4
4,5

ce que vous voulez c'est:

df['a'] = df['a'].apply(lambda x: x + 1)

qui renvoie:

   a  b
0  2  2
1  3  3
2  4  4
3  5  5

Pour une seule colonne mieux à utiliser map(), comme ceci:

df = pd.DataFrame([{'a': 15, 'b': 15, 'c': 5}, {'a': 20, 'b': 10, 'c': 7}, {'a': 25, 'b': 30, 'c': 9}])

    a   b  c
0  15  15  5
1  20  10  7
2  25  30  9



df['a'] = df['a'].map(lambda a: a / 2.)

      a   b  c
0   7.5  15  5
1  10.0  10  7
2  12.5  30  9

Vous n'avez absolument pas besoin d'une fonction. Vous pouvez travailler directement sur une colonne entière.

Exemples de données:

>>> df = pd.DataFrame({'a': [100, 1000], 'b': [200, 2000], 'c': [300, 3000]})
>>> df

      a     b     c
0   100   200   300
1  1000  2000  3000

La moitié de toutes les valeurs de la colonne a:

>>> df.a = df.a / 2
>>> df

     a     b     c
0   50   200   300
1  500  2000  3000

Bien que les réponses données soient correctes, elles modifient la trame de données initiale, ce qui n'est pas toujours souhaitable (et, étant donné que l'OP a demandé des exemples "en utilisant apply", il se pourrait qu'ils voulaient une version qui renvoie une nouvelle trame de données, tout comme apply).

Ceci est possible en utilisant assign: il est valable pour assignles colonnes existantes, comme l'indique la documentation (c'est moi qui souligne):

Attribuez de nouvelles colonnes à un DataFrame.

Renvoie un nouvel objet avec toutes les colonnes d'origine en plus de nouvelles. Les colonnes existantes qui sont réaffectées seront remplacées .

En bref:

In [1]: import pandas as pd

In [2]: df = pd.DataFrame([{'a': 15, 'b': 15, 'c': 5}, {'a': 20, 'b': 10, 'c': 7}, {'a': 25, 'b': 30, 'c': 9}])

In [3]: df.assign(a=lambda df: df.a / 2)
Out[3]: 
      a   b  c
0   7.5  15  5
1  10.0  10  7
2  12.5  30  9

In [4]: df
Out[4]: 
    a   b  c
0  15  15  5
1  20  10  7
2  25  30  9

Notez que la fonction transmettra toute la trame de données, pas seulement la colonne que vous souhaitez modifier, vous devrez donc vous assurer de sélectionner la bonne colonne dans votre lambda.

Si vous êtes vraiment préoccupé par la vitesse d'exécution de votre fonction d'application et que vous avez un énorme ensemble de données sur lequel travailler, vous pouvez utiliser swifter pour accélérer l'exécution, voici un exemple pour swifter sur le cadre de données pandas:

import pandas as pd
import swifter

def fnc(m):
    return m*3+4

df = pd.DataFrame({"m": [1,2,3,4,5,6], "c": [1,1,1,1,1,1], "x":[5,3,6,2,6,1]})

# apply a self created function to a single column in pandas
df["y"] = df.m.swifter.apply(fnc)

Cela permettra à tous vos cœurs de processeur de calculer le résultat, ce qui sera beaucoup plus rapide que les fonctions d'application normales. Essayez de me faire savoir si cela vous est utile.

Permettez-moi d'essayer un calcul complexe en utilisant datetime et en considérant les null ou les espaces vides. Je réduis 30 ans sur une colonne datetime et utilise la applyméthode ainsi que lambdaet convertis le format datetime. La ligne if x != '' else xprendra soin de tous les espaces vides ou nuls en conséquence.

df['Date'] = df['Date'].fillna('')
df['Date'] = df['Date'].apply(lambda x : ((datetime.datetime.strptime(str(x), '%m/%d/%Y') - datetime.timedelta(days=30*365)).strftime('%Y%m%d')) if x != '' else x)