Применить функцию к каждой строке pandas dataframe для создания двух новых столбцов

У меня есть pandas DataFrame, st, содержащий несколько столбцов:

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 53732 entries, 1993-01-07 12:23:58 to 2012-12-02 20:06:23
Data columns:
Date(dd-mm-yy)_Time(hh-mm-ss)       53732  non-null values
Julian_Day                          53732  non-null values
AOT_1020                            53716  non-null values
AOT_870                             53732  non-null values
AOT_675                             53188  non-null values
AOT_500                             51687  non-null values
AOT_440                             53727  non-null values
AOT_380                             51864  non-null values
AOT_340                             52852  non-null values
Water(cm)                           51687  non-null values
%TripletVar_1020                    53710  non-null values
%TripletVar_870                     53726  non-null values
%TripletVar_675                     53182  non-null values
%TripletVar_500                     51683  non-null values
%TripletVar_440                     53721  non-null values
%TripletVar_380                     51860  non-null values
%TripletVar_340                     52846  non-null values
440-870Angstrom                     53732  non-null values
380-500Angstrom                     52253  non-null values
440-675Angstrom                     53732  non-null values
500-870Angstrom                     53732  non-null values
340-440Angstrom                     53277  non-null values
Last_Processing_Date(dd/mm/yyyy)    53732  non-null values
Solar_Zenith_Angle                  53732  non-null values
dtypes: datetime64[ns](1), float64(22), object(1)

Я хочу создать два новых столбца для этого фреймворка на основе применения функции к каждой строке фрейма данных. Я не хочу, чтобы вы вызывали функцию несколько раз (например, выполняли два отдельных вызова apply), поскольку это довольно интенсивно вычислительно. Я попытался сделать это двумя способами, и никто из них не работает:

Использование apply:

Я написал функцию, которая принимает Series и возвращает кортеж значений, которые я хочу:

def calculate(s):
    a = s['path'] + 2*s['row'] # Simple calc for example
    b = s['path'] * 0.153
    return (a, b)

Попытка применить это к DataFrame дает ошибку:

st.apply(calculate, axis=1)
---------------------------------------------------------------------------
AssertionError                            Traceback (most recent call last)
<ipython-input-248-acb7a44054a7> in <module>()
----> 1 st.apply(calculate, axis=1)

C:\Python27\lib\site-packages\pandas\core\frame.pyc in apply(self, func, axis, broadcast, raw, args, **kwds)
   4191                     return self._apply_raw(f, axis)
   4192                 else:
-> 4193                     return self._apply_standard(f, axis)
   4194             else:
   4195                 return self._apply_broadcast(f, axis)

C:\Python27\lib\site-packages\pandas\core\frame.pyc in _apply_standard(self, func, axis, ignore_failures)
   4274                 index = None
   4275 
-> 4276             result = self._constructor(data=results, index=index)
   4277             result.rename(columns=dict(zip(range(len(res_index)), res_index)),
   4278                           inplace=True)

C:\Python27\lib\site-packages\pandas\core\frame.pyc in __init__(self, data, index, columns, dtype, copy)
    390             mgr = self._init_mgr(data, index, columns, dtype=dtype, copy=copy)
    391         elif isinstance(data, dict):
--> 392             mgr = self._init_dict(data, index, columns, dtype=dtype)
    393         elif isinstance(data, ma.MaskedArray):
    394             mask = ma.getmaskarray(data)

C:\Python27\lib\site-packages\pandas\core\frame.pyc in _init_dict(self, data, index, columns, dtype)
    521 
    522         return _arrays_to_mgr(arrays, data_names, index, columns,
--> 523                               dtype=dtype)
    524 
    525     def _init_ndarray(self, values, index, columns, dtype=None,

C:\Python27\lib\site-packages\pandas\core\frame.pyc in _arrays_to_mgr(arrays, arr_names, index, columns, dtype)
   5411 
   5412     # consolidate for now
-> 5413     mgr = BlockManager(blocks, axes)
   5414     return mgr.consolidate()
   5415 

C:\Python27\lib\site-packages\pandas\core\internals.pyc in __init__(self, blocks, axes, do_integrity_check)
    802 
    803         if do_integrity_check:
--> 804             self._verify_integrity()
    805 
    806         self._consolidate_check()

C:\Python27\lib\site-packages\pandas\core\internals.pyc in _verify_integrity(self)
    892                                      "items")
    893             if block.values.shape[1:] != mgr_shape[1:]:
--> 894                 raise AssertionError('Block shape incompatible with manager')
    895         tot_items = sum(len(x.items) for x in self.blocks)
    896         if len(self.items) != tot_items:

AssertionError: Block shape incompatible with manager

Затем я собирался присвоить значения, возвращенные из apply, в два новых столбца, используя метод, показанный в этот вопрос. Однако я даже не могу дойти до этого! Это все работает отлично, если я просто возвращаю одно значение.

Использование цикла:

Сначала я создал два новых столбца кадра данных и установил их в None:

st['a'] = None
st['b'] = None

Затем зациклился на всех индексах и попытался изменить эти значения None, которые я получил там, но изменения, которые я сделал, похоже, не сработали. То есть, никакая ошибка не была сгенерирована, но DataFrame, похоже, не был изменен.

for i in st.index:
    # do calc here
    st.ix[i]['a'] = a
    st.ix[i]['b'] = b

Я думал, что оба эти метода будут работать, но ни один из них не сделал. Итак, что я здесь делаю неправильно? И какой лучший, самый "питонический" и "панданонический" способ сделать это?

Ответ 1

Чтобы сделать первый подход работать, попробуйте вернуть серию вместо кортежа (применить бросает исключение, потому что он не знает, как склеить строки обратно вместе, так как количество столбцов не совпадает с исходным фреймом).

def calculate(s):
    a = s['path'] + 2*s['row'] # Simple calc for example
    b = s['path'] * 0.153
    return pd.Series(dict(col1=a, col2=b))

Второй подход должен работать, если вы замените:

st.ix[i]['a'] = a

с:

st.ix[i, 'a'] = a

Ответ 2

Я всегда использую lambdas и встроенную функцию map() для создания новых строк путем объединения других строк:

st['a'] = map(lambda path, row: path + 2 * row, st['path'], st['row'])

Это может быть немного сложнее, чем необходимо для выполнения линейных комбинаций числовых столбцов. С другой стороны, я считаю целесообразным принять в качестве условного обозначения, поскольку он может использоваться с более сложными комбинациями строк (например, с использованием строк) или заполнением отсутствующих данных в столбце с использованием функций других столбцов.

Например, скажем, у вас есть таблица с полками столбцов и названием, а некоторые из названий отсутствуют. Вы можете заполнить их функцией следующим образом:

title_dict = {'male': 'mr.', 'female': 'ms.'}
table['title'] = map(lambda title,
    gender: title if title != None else title_dict[gender],
    table['title'], table['gender'])

Ответ 3

Это было решено здесь: Применить функцию pandas к столбцу для создания нескольких новых столбцов?

Применительно к вашему вопросу это должно работать:

def calculate(s):
    a = s['path'] + 2*s['row'] # Simple calc for example
    b = s['path'] * 0.153
    return pd.Series({'col1': a, 'col2': b})

df = df.merge(df.apply(calculate, axis=1), left_index=True, right_index=True)

Ответ 4

Еще одно решение, основанное на Назначение новых столбцов в цепочках методов:

st.assign(a = st['path'] + 2*st['row'], b = st['path'] * 0.153)

Знать assign всегда возвращает копию данных, оставляя исходный DataFrame нетронутым.