【问题标题】：Python Pandas: Apply function using column names as named argumentsPython Pandas：使用列名作为命名参数应用函数
【发布时间】：2019-10-18 16:44:36
【问题描述】：

pandas 中是否有一种方法可以使用列名作为参数名将函数应用于数据框？例如，我有一个函数和一个数据框。

df = pd.DataFrame({'A':[1,2,3],
               'B':[1,2,3],
               'C':[1,2,3],
               'D':[1,2,3]})    
def f(A,B,C):
   #Pretend code is more complicated
   return A + B + C

有没有办法让我做类似的事情

df.apply(f)

让 pandas 将列与命名参数匹配？

我知道我可以重写函数以获取一行而不是命名参数，但请记住 f 只是一个玩具示例，我的实际函数更复杂

编辑：

根据@juanpa.arrivillaga 的答案想出来：

df[list(f.__code__.co_varnames)].apply((lambda row: f(**row)), axis=1)

【问题讨论】：

?df.eval('A+B+C')
有没有办法做到这一点而不必重写函数 f？
函数 f 只是一个玩具示例。我的真正功能更复杂。
明确地使用示例函数可能更有帮助。
现在，您的 apply 正在按列执行。在这种情况下，将它传递给你所拥有的系列更为合乎逻辑。您可以按行进行操作，但老实说，在大多数情况下，您可以避免使用 apply 循环以支持矢量化操作。

标签： python pandas dataframe apply

【解决方案1】：

应用f 的函数需要根据axis=0,1 或df 接受行/列作为参数，而不是列名。为此，您可以编写一个包装器。

def wrapper(x, A, B, C):
    return f(x[A], x[B], x[C])

df.apply(wrapper, axis=1, args=('A','B','C'))

输出：

0    3
1    6
2    9
dtype: int64

【讨论】：

【解决方案2】：

如果你对“应用”功能感兴趣，这里就是这样

df = pd.DataFrame({'A':[1,2,3],
                  'B':[1,2,3],
                  'C':[1,2,3],
                  'D':[1,2,3]})     


def func(row):
    row['result'] = row['A'] + row['B'] + row['C']
    return row

df.apply(func, axis = 1)


    Out[67]: 
       A  B  C  D  result
    0  1  1  1  1       3
    1  2  2  2  2       6
    2  3  3  3  3       9

更新

如果你必须使用函数“f”并且不想改变它，可能是这样的：

df['res'] = f(df['A'], df['B'], df['C'])
df

    Out[70]: 
       A  B  C  D  res
    0  1  1  1  1    3
    1  2  2  2  2    6
    2  3  3  3  3    9

【讨论】：

这行得通，但是有没有办法在不必重写函数 f 的情况下做到这一点？
这很有效，而且很简单，所以赞成！但通常大多数函数都不能对序列进行操作，尤其是我的真正函数中有 if 语句。

【解决方案3】：

没有什么好办法一般来说。但是，如果您的列名完全正确，您可以将函数包装在另一个函数中，该函数将行参数添加到您的函数中，因为Series 对象是映射！

所以给定：

>>> import pandas as pd
>>> df = pd.DataFrame({'A':[1,2,3],
...                'B':[1,2,3],
...                'C':[1,2,3],
...                'D':[1,2,3]})
>>> df
   A  B  C  D
0  1  1  1  1
1  2  2  2  2
2  3  3  3  3
>>> def f(A, B, C): return A + B + C
...

我们可以几乎做到：

>>> df.apply(lambda row: f(**row), axis=1)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Users/juan/anaconda3/envs/ecqm-catalog/lib/python3.7/site-packages/pandas/core/frame.py", line 6014, in apply
    return op.get_result()
  File "/Users/juan/anaconda3/envs/ecqm-catalog/lib/python3.7/site-packages/pandas/core/apply.py", line 142, in get_result
    return self.apply_standard()
  File "/Users/juan/anaconda3/envs/ecqm-catalog/lib/python3.7/site-packages/pandas/core/apply.py", line 248, in apply_standard
    self.apply_series_generator()
  File "/Users/juan/anaconda3/envs/ecqm-catalog/lib/python3.7/site-packages/pandas/core/apply.py", line 277, in apply_series_generator
    results[i] = self.f(v)
  File "<stdin>", line 1, in <lambda>
TypeError: ("f() got an unexpected keyword argument 'D'", 'occurred at index 0')

如果您知道您需要哪些列，您可以选择/删除以获得正确的系列：

>>> df.drop('D',axis=1).apply(lambda row: f(**row), axis=1)
0    3
1    6
2    9

【讨论】：

是的，我把 D 列扔进去了，因为通常会有额外的列。不过，我喜欢 ** 的把戏

【解决方案4】：

想通了，建立在@juanpa.arrivillaga 答案的基础上。

df[list(f.__code__.co_varnames)].apply((lambda row: f(**row)), axis=1)

【讨论】：