如何迭代列值以在 Python 中创建转换后的变量？答案

【问题标题】：How to iterate over column values to create transformed variables in Python?如何迭代列值以在 Python 中创建转换后的变量？
【发布时间】：2021-02-18 06:16:56
【问题描述】：

我有 10 列，我必须创建新的 10 列的原始列。如何在 Python 中做到这一点？我已经尝试使用 for 循环，但它给了我一个错误？

我的数据框是

d = {'col1': [0, 15, 30, 45, 60], 'col2': [0, 60, 180, 240, 300]}
df = pd.DataFrame(data=d)

我创建了一个函数transform，但是如何使用var 指定所有列？我在以下命令中遇到错误。

df = df.pipe(transform, var=[0, 60])

样本输出：

   col1_sin  col2_sin  col1_cos  col2_cos
0  0.000000  0.304811  1.000000 -0.952413
1  0.650288  0.000000 -0.759688  1.000000
2 -0.988032  0.580611  0.154251  0.814181
3  0.850904 -0.801153  0.525322 -0.598460
4 -0.304811  0.945445 -0.952413  0.325781

【问题讨论】：

columns 是什么意思？你有pandas 数据框吗？如果是，请提供具有预期输出的示例输入数据框以及您尝试解决的方法。
请根据您提供的示例输入发布预期输出。

标签： python pandas for-loop transform

【解决方案1】：

你没有提供你的功能正在做什么。从推理 sin() 和 cos()

下面显示了pipe() 如何与参数一起使用。在这种情况下，您希望将函数应用于数据框中的所有列。

import math

d = {'col1': [0, 15, 30, 45, 60], 'col2': [0, 60, 180, 240, 300]}
df = pd.DataFrame(data=d)

def pipefoo(dfa, ops=[math.sin]):
    return dfa.assign(**{f"{c}_{f.__name__}":dfa[c].apply(f) for f in ops for c in dfa.columns})

df.pipe(pipefoo, ops=[math.sin,math.cos])

	col1	col2	col1_sin	col2_sin	col1_cos	col2_cos
0	0	0	0	0	1	1
1	15	60	0.650288	-0.304811	-0.759688	-0.952413
2	30	180	-0.988032	-0.801153	0.154251	-0.59846
3	45	240	0.850904	0.945445	0.525322	0.325781
4	60	300	-0.304811	-0.999756	-0.952413	-0.0220966

【讨论】：