pandas apply 返回多列|极客教程

pandas apply 返回多列

在数据处理和分析中，pandas 是 Python 中一个非常强大的库，它提供了许多便捷的功能来处理和分析数据。其中，apply 函数是 pandas 中 DataFrame 和 Series 对象的一个非常重要的方法，它允许用户对数据应用一个函数，并返回处理后的结果。本文将详细介绍如何使用 pandas 的 apply 函数来返回多列数据，并提供多个示例代码以帮助理解和实践。

pandas apply 基础

在深入了解如何使用 apply 返回多列之前，我们首先需要理解 apply 函数的基本用法。apply 函数可以被用于 DataFrame 的行或列，也可以用于 Series。当用于 DataFrame 时，你可以指定 axis 参数为 0 或 1，分别表示函数应用于每一列或每一行。

示例代码 1: 基础使用 apply 函数

import pandas as pd

# 创建一个简单的 DataFrame
df = pd.DataFrame({
    'A': range(1, 6),
    'B': ['pandasdataframe.com' for _ in range(5)]
})

# 使用 apply 函数将列 A 的每个值乘以 2
df['C'] = df['A'].apply(lambda x: x * 2)
print(df)

Output:

pandas apply 返回多列

使用 apply 返回多列

当我们需要从 apply 函数中返回多个新列时，可以通过返回一个 Series 对象来实现。这样，每个返回的 Series 将被视为一个多列的行。

示例代码 2: 使用 apply 返回多列

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({
    'A': range(1, 6),
    'B': ['pandasdataframe.com' for _ in range(5)]
})

# 定义一个函数，返回多个新的列值
def multiple_columns(row):
    return pd.Series([row['A'] * 2, row['A'] * 3], index=['double', 'triple'])

# 应用函数
df[['double', 'triple']] = df.apply(multiple_columns, axis=1)
print(df)

Output:

pandas apply 返回多列

进阶使用：结合条件逻辑

在实际应用中，我们可能需要根据某些条件来决定如何返回多列。这可以通过在 apply 中使用条件语句来实现。

示例代码 3: 结合条件逻辑返回多列

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({
    'A': range(1, 6),
    'B': ['pandasdataframe.com' for _ in range(5)]
})

# 定义一个函数，根据条件返回不同的列值
def conditional_columns(row):
    if row['A'] > 3:
        return pd.Series([row['A'] + 10, row['A'] + 20], index=['plus10', 'plus20'])
    else:
        return pd.Series([row['A'] - 1, row['A'] - 2], index=['minus1', 'minus2'])

# 应用函数
df[['new_col1', 'new_col2']] = df.apply(conditional_columns, axis=1)
print(df)

处理复杂数据结构

在有些情况下，我们的数据结构可能更复杂，例如包含嵌套的字典或列表。在这种情况下，我们也可以使用 apply 来处理这些复杂的数据结构，并返回多列。

示例代码 4: 处理复杂数据结构

import pandas as pd

# 创建一个包含复杂数据结构的 DataFrame
df = pd.DataFrame({
    'data': [{'value': i, 'multiply': i * 2} for i in range(1, 6)],
    'website': ['pandasdataframe.com' for _ in range(5)]
})

# 定义一个函数来处理复杂的数据结构
def process_complex_data(row):
    data = row['data']
    return pd.Series([data['value'], data['multiply']], index=['value', 'multiply'])

# 应用函数
df[['value', 'multiply']] = df.apply(process_complex_data, axis=1)
print(df)