遍历 Pandas 数据框的列并创建新变量答案

【问题标题】：Iterate over columns of Pandas dataframe and create new variables遍历 Pandas 数据框的列并创建新变量
【发布时间】：2021-01-16 14:33:34
【问题描述】：

我无法弄清楚如何迭代 pandas 数据帧中的变量并对每个变量执行相同的算术函数。

我有一个数据框df，其中包含三个数值变量x1、x2 和x3。我想通过将每个变量乘以 2 来创建三个新变量。这就是我正在做的事情：

existing = ['x1','x2','x3']
new = ['y1','y2','y3']

for i in existing:
    for j in new:
        df[j] = df[i]*2

上面的代码实际上是在数据框中创建了三个新变量y1、y2 和y3。但是y1 和y2 的值被y3 的值覆盖，并且所有三个变量的值都相同，对应于y3 的值。我不确定我错过了什么。

非常感谢任何指导/建议。谢谢。

【问题讨论】：

标签： python pandas nested-for-loop

【解决方案1】：

您在这里循环了大约 9 次 - 每列 3 次，每次迭代都会覆盖前一个。

你可能想要类似的东西

for e, n in zip(existing,new):
    df[n] = df[e]*2

【讨论】：

【解决方案2】：

我会做一些更通用的事情

#existing = ['x1','x2','x3']
exisiting = df.columns
new = existing.replace('x','y') 
#maybe you need map+lambda/for for each existing string

for (ind_existing, ind_new) in zip(existing,new):
    df[new[ind_new]] = df[existing[ind_existing]]*2 
#maybe there is more elegant way by using pandas assign function

【讨论】：

【解决方案3】：

您可以将原始 DataFrame 与具有双倍值的列连接起来：

cols_to_double = ['x0', 'x1', 'x2']
new_cols = list(df.columns) + [c.replace('x', 'y') for c in cols_to_double]

df = pd.concat([df, 2 * df[cols_to_double]], axis=1, copy=True)
df.columns = new_cols

所以，如果您的输入 df Dataframe 是：

   x0  x1  x2  other0  other1
0   0   1   2       3       4
1   0   1   2       3       4
2   0   1   2       3       4
3   0   1   2       3       4
4   0   1   2       3       4

执行前几行后，你得到：

   x0  x1  x2  other0  other1  y0  y1  y2
0   0   1   2       3       4   0   2   4
1   0   1   2       3       4   0   2   4
2   0   1   2       3       4   0   2   4
3   0   1   2       3       4   0   2   4
4   0   1   2       3       4   0   2   4

这里是创建df的代码：

import pandas as pd
import numpy as np

df = pd.DataFrame(
    data=np.column_stack([np.full((5,), i) for i in range(5)]),
    columns=[f'x{i}' for i in range(3)] + [f'other{i}' for i in range(2)]
)

【讨论】：