Python pandas 中 'mutate_at' dplyr 函数的等价物答案

【问题标题】：Equivalent of 'mutate_at' dplyr function in Python pandasPython pandas 中 'mutate_at' dplyr 函数的等价物
【发布时间】：2019-12-12 08:51:22
【问题描述】：

并在此先感谢您的帮助。

我希望通过将现有列的子集除以另一个现有列（使用后缀动态命名）来在 pandas 数据框中创建多个新列。下面是虚拟代码，说明了我想要做的一般要点，除了 25 列以上的各种转换。

R 代码

library(dplyr)

player = c('John','Peter','Michael')
min = c(20, 23, 35)
points = c(10,12,14)
rebounds = c(5,7,9)
assists = c(4,6,7)

df = data.frame(player,min,points,rebounds,assists)

df = df %>%
  mutate_at(vars(points:assists),.funs=funs(per_min=./min))

预期输出

 player min points rebounds assists points_per_min rebounds_per_min assists_per_min
1    John  20     10        5       4      0.5000000        0.2500000       0.2000000
2   Peter  23     12        7       6      0.5217391        0.3043478       0.2608696
3 Michael  35     14        9       7      0.4000000        0.2571429       0.2000000

我知道我可以在 pandas 中重现上述内容，如下所示：

import pandas as pd
data = pd.DataFrame({'player':['John','Peter','Michael'],
                     'min':[20,23,35],
                     'points':[10,12,14],
                     'rebounds':[5,7,9],
                     'assists':[4,6,7]})

df = pd.DataFrame(data)
df['points_per_minute'] = df['points']/df['min']
df['rebounds_per_minute'] = df['rebounds']/df['min']
df['assists_per_minute'] = df['assists']/df['min']

df.head()



 player  min  points  rebounds  assists  points_per_minute  rebounds_per_minute  assists_per_minute
0     John   20      10         5        4           0.500000             0.250000             0.20000
1    Peter   23      12         7        6           0.521739             0.304348             0.26087
2  Michael   35      14         9        7           0.400000             0.257143             0.20000

但是，我必须为 25 列以上的列执行此操作，并进行不同的转换，并且明确命名每一列和操作将变得相当麻烦。有熊猫复制吗？

【问题讨论】：

标签： python r pandas dplyr

【解决方案1】：

类似于基础 R，通过基本算术的列块分配。通常，base R 可以更好地转换为 Numpy/Pandas。

cols <- c("points", "rebounds", "assists")
df[paste0(cols, "_per_min")] <- df[cols] / df$min

Python 熊猫

cols = ["points", "rebounds", "assists"]
df[[col+'_per_min' for col in cols]] = df[cols].div(df['min'], axis='index')

【讨论】：

【解决方案2】：

方法1：

获取列列表（如果你没有列列表并且想要获取min列之后的所有列，请使用cols=df.iloc[:,df.columns.get_loc('min')+1:].columns）

cols=['points','rebounds','assists']

通过df.loc[] 和add_suffix 将这些列的子集创建为_per_minute，然后将divide 与min 列一起创建。

m=df.loc[:,cols].add_suffix('_per_minute')
df[m.columns]=m.div(df['min'],axis=0)
print(df)

方法2：concat：

cols=['points','rebounds','assists']
df=pd.concat([df,df.loc[:,cols].add_suffix('_per_minute').div(df['min'],axis=0)],axis=1)

方法3：

使用相同的逻辑直接为它们分配字符串格式：

cols=['points','rebounds','assists']
df[[f"{i}_per_minute" for i in cols]]=df.loc[:,cols].div(df['min'],axis=0)
print(df)

    player  min  points  rebounds  assists  points_per_minute  \
0     John   20      10         5        4           0.500000   
1    Peter   23      12         7        6           0.521739   
2  Michael   35      14         9        7           0.400000   

   rebounds_per_minute  assists_per_minute  
0             0.250000             0.20000  
1             0.304348             0.26087  
2             0.257143             0.20000

【讨论】：

谢谢！我选择了方法 3，效果很好

【解决方案3】：

mutate_at 被mutate 和across 取代。

以下是在 python 中以dplyr 的方式进行操作的方法：

>>> from datar.all import c, f, tibble, mutate, across
>>> 
>>> player = c('John','Peter','Michael')
>>> min = c(20, 23, 35)
>>> points = c(10,12,14)
>>> rebounds = c(5,7,9)
>>> assists = c(4,6,7)
>>> 
>>> df = tibble(player,min,points,rebounds,assists)
>>> 
>>> df = df >> mutate(
... #                                             f.min passed to lambda as y
...     across(f[f.points:f.assists], {'per_min': lambda x, y: x / y}, f.min)
... )
>>> df
    player     min  points  rebounds  assists  points_per_min  rebounds_per_min  assists_per_min
  <object> <int64> <int64>   <int64>  <int64>       <float64>         <float64>        <float64>
0     John      20      10         5        4        0.500000          0.250000          0.20000
1    Peter      23      12         7        6        0.521739          0.304348          0.26087
2  Michael      35      14         9        7        0.400000          0.257143          0.20000

我是datar 包的作者。如果您有任何问题，请随时提交问题。

【讨论】：

【解决方案4】：

为了让这个感觉更像 dplyr，我真的更喜欢方法链接解决方案，因为它们在语法上与管道 dplyr 代码相似。

此解决方案使用pandas.DataFrame.assign 和dictionary unpacking。

updated_data = data.assign(**{f"{col}_per_minute": lambda x: x[col] / x["min"]
                              for col in ["points", "rebounds", "assists"]})

【讨论】：