pandas使用apply函數(shù)給表格同時添加多列
更新時間：2025年11月25日 10:54:40 作者：風(fēng)華浪浪
本文介紹了利用Pandas的apply函數(shù)在DataFrame中同時添加多列, 文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
一、Pandas使用apply函數(shù)給表格同時添加多列
怎樣給表格添加一列
def my_func(row): new column = row["a"] + rowl["b"] return new column df["new_column"] = df.apply(my_func, axis=1)
怎樣同時添加多列？
def my func(row): newa, newb = row["a"] + row["b"], rowl["a"] - row["b"] return newa, newb df[["newa", "newb"]] = df.apply(my func, axis=1, result type="expand")
二、應(yīng)用示例
fpath = '/Users/python/Desktop/means/ml-25m/beijing_tianqi_2017-2019.csv' df = pd.read_csv(fpath) df.head() ymd bWendu yWendu tianqi fengxiang fengli aqi aqiInfo aqiLevel 0 2017-01-01 5℃ -3℃ 霾~晴 南風(fēng) 1-2級 450 嚴(yán)重污染 6 1 2017-01-02 7℃ -6℃ 晴~霾 南風(fēng) 1-2級 246 重度污染 5 2 2017-01-03 5℃ -5℃ 霾 南風(fēng) 1-2級 320 嚴(yán)重污染 6 3 2017-01-04 6℃ -5℃ 霾 北風(fēng) 1-2級 360 嚴(yán)重污染 6 4 2017-01-05 2℃ -4℃ 霾 北風(fēng) 1-2級 280 重度污染 5
df['bWendu'] = df['bWendu'].map(lambda x: int(str(x).replace('℃', '')))
df['yWendu'] = df['yWendu'].map(lambda x: int(str(x).replace('℃', '')))
df.head()
ymd bWendu yWendu tianqi fengxiang fengli aqi aqiInfo aqiLevel
0 2017-01-01 5 -3 霾~晴 南風(fēng) 1-2級 450 嚴(yán)重污染 6
1 2017-01-02 7 -6 晴~霾 南風(fēng) 1-2級 246 重度污染 5
2 2017-01-03 5 -5 霾 南風(fēng) 1-2級 320 嚴(yán)重污染 6
3 2017-01-04 6 -5 霾 北風(fēng) 1-2級 360 嚴(yán)重污染 6
4 2017-01-05 2 -4 霾 北風(fēng) 1-2級 280 重度污染 5
定義了一個名為 my_func 的函數(shù)，該函數(shù)接受一個行對象 row 作為參數(shù)，并返回兩個值：wencha 和 avg
將這個函數(shù)應(yīng)用于 DataFrame df 的每一行，使用 .apply() 方法，并指定 axis=1 來按行操作
使用 result_type=‘expand’ 來指定結(jié)果是擴(kuò)展成新的列
將函數(shù)返回的兩個值分別賦值給 DataFrame df 的新列 ‘wencha’ 和 ‘avg’
def my_func(row):
return row['bWendu'] - row['yWendu'], (row['bWendu'] + row['yWendu'])/2
df[['wencha', 'avg']] = df.apply(my_func, axis=1, result_type='expand')
df.head()
ymd bWendu yWendu tianqi fengxiang fengli aqi aqiInfo aqiLevel wencha avg
0 2017-01-01 5 -3 霾~晴 南風(fēng) 1-2級 450 嚴(yán)重污染 6 8.0 1.0
1 2017-01-02 7 -6 晴~霾 南風(fēng) 1-2級 246 重度污染 5 13.0 0.5
2 2017-01-03 5 -5 霾 南風(fēng) 1-2級 320 嚴(yán)重污染 6 10.0 0.0
3 2017-01-04 6 -5 霾 北風(fēng) 1-2級 360 嚴(yán)重污染 6 11.0 0.5
4 2017-01-05 2 -4 霾 北風(fēng) 1-2級 280 重度污染 5 6.0 -1.0
到此這篇關(guān)于pandas使用apply函數(shù)給表格同時添加多列的文章就介紹到這了,更多相關(guān)pandas表格添加多列內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
flask?route對協(xié)議作用及設(shè)計(jì)思路
這篇文章主要為大家介紹了flask?route對協(xié)議作用及設(shè)計(jì)思路詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-07-07
這篇文章主要介紹了Python jieba庫用法及實(shí)例解析,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-11-11
使用django-guardian實(shí)現(xiàn)django-admin的行級權(quán)限控制的方法
這篇文章主要介紹了使用django-guardian實(shí)現(xiàn)django-admin的行級權(quán)限控制的方法，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-10-10
使用pandas模塊實(shí)現(xiàn)數(shù)據(jù)的標(biāo)準(zhǔn)化操作
這篇文章主要介紹了使用pandas模塊實(shí)現(xiàn)數(shù)據(jù)的標(biāo)準(zhǔn)化操作，具有很好的參考價(jià)值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-05-05
這篇文章主要給大家介紹了關(guān)于Python中常用的數(shù)據(jù)類型bool（布爾）類型的兩個值：True和False的相關(guān)資料，通過示例代碼給大家進(jìn)行了解惑，讓對這兩個值有所疑惑的朋友們能有起到一定的幫助，需要的朋友下面來一起看看吧。2017-04-04
python 安裝virtualenv和virtualenvwrapper的方法
下面小編就為大家?guī)硪黄猵ython 安裝virtualenv和virtualenvwrapper的方法。小編覺得挺不錯的，現(xiàn)在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-01-01
Python對文件和目錄進(jìn)行操作的方法(file對象/os/os.path/shutil 模塊)
下面小編就為大家?guī)硪黄狿ython對文件和目錄進(jìn)行操作的方法(file對象/os/os.path/shutil 模塊)。小編覺得挺不錯的，現(xiàn)在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-05-05
Python使用jpype模塊調(diào)用jar包過程解析
這篇文章主要介紹了Python使用jpype模塊調(diào)用jar包過程解析,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-07-07
Python實(shí)現(xiàn)RAG檢索增強(qiáng)生成的完整教學(xué)
檢索增強(qiáng)生成（Retrieval-Augmented?Generation,?RAG）是當(dāng)下最熱門的?AI?應(yīng)用架構(gòu)之一,本文用?Python?從零實(shí)現(xiàn)一個完整的?RAG?系統(tǒng),讓大模型基于你的私有知識精準(zhǔn)回答,希望對大家有所幫助2026-05-05
python中使用xlrd讀excel使用xlwt寫excel的實(shí)例代碼
這篇文章主要介紹了python中使用xlrd讀excel使用xlwt寫excel的實(shí)例代碼,非常不錯，具有參考借鑒價(jià)值，需要的朋友可以參考下2018-01-01