将函数应用于熊猫数据框（lambda）中的所有行答案

【问题标题】：Apply function to all rows in pandas dataframe (lambda)将函数应用于熊猫数据框（lambda）中的所有行
【发布时间】：2022-01-04 17:37:15
【问题描述】：

我有以下函数用于获取行的最后一个非零值的列名

import pandas as pd

def myfunc(X, Y):
    df = X.iloc[Y]
    counter = len(df)-1
    while counter >= 0:
        if df[counter] == 0:
            counter -= 1
        else:
            break
    return(X.columns[counter])

使用以下代码示例

data = {'id':  ['1', '2', '3', '4', '5', '6'],
        'name': ['AAA', 'BBB', 'CCC', 'DDD', 'EEE', 'GGG'],
        'A1': [1, 1, 1, 0, 1, 1],
        'B1': [0, 0, 1, 0, 0, 1],
        'C1': [1, 0, 1, 1, 0, 0],
        'A2': [1, 0, 1, 0, 1, 0]}

df = pd.DataFrame(data)
df

myfunc(df, 5) # 'B1'

我想知道如何将此函数应用于数据框中的所有行，并将结果放入 df 的新列中

我正在考虑遍历所有行（这可能不是好方法）或使用带有 apply 函数的 lambda。但是，我没有成功采用最后一种方法。有什么帮助吗？

【问题讨论】：

标签： python pandas dataframe lambda apply

【解决方案1】：

我已经稍微修改了你的函数以跨行工作：

def myfunc(row):
     counter = len(row)-1
     while counter >= 0:
         if row[counter] == 0:
             counter -= 1
         else:
             break
     return row.index[counter]

现在只需调用您的函数 df.apply 和 axis=1 为数据帧的每一行调用函数：

>>> df.apply(myfunc, axis=1)
0    A2
1    A1
2    A2
3    C1
4    A2
5    B1
dtype: object

但是，您可以放弃自定义函数并使用此代码以更快、更简洁的方式完成您正在寻找的工作：

>>> df[df.columns[2:]].T.cumsum().idxmax()
0    A2
1    A1
2    A2
3    C1
4    A2
5    B1
dtype: object

【讨论】：

【解决方案2】：

这是一个使用DataFrame.idxmax 的更简单、更快速的解决方案。

>>> res = df.iloc[:, :1:-1].idxmax(axis=1)
>>> res

0    A2
1    A1
2    A2
3    C1
4    A2
5    B1
dtype: object

这个想法是只选择Ai和Bi列并颠倒它们的顺序（df.iloc[:, :1:-1]），然后返回每行第一次出现最大值的列标签（在这种情况下为1） (.idxmax(axis=1))。

请注意，此解决方案（作为另一个答案）假定每一行至少包含一个高于零的条目。

如果我们首先屏蔽非零条目（使用.ne(0)），这个假设可以放宽为“每一行至少包含一个非零条目”。这是因为.ne(0) 产生一个布尔掩码和True > False <=> 1 > 0。

>>> res = df.iloc[:, :1:-1].ne(0).idxmax(axis=1)
res

0    A2
1    A1
2    A2
3    C1
4    A2
5    B1
dtype: object

【讨论】：