从 R 到 Python：从 pandas 数据框中的多列定义多列答案

【问题标题】：From R to Python: define multiple columns from multiple columns in a pandas dataframe从 R 到 Python：从 pandas 数据框中的多列定义多列
【发布时间】：2019-04-30 15:22:46
【问题描述】：

作为 R 用户，我可以操作 data.table 中的列来派生一组新列，使用 pandas datafframes 实现此目的的最佳方法是什么？

这是一个可重现的示例（我使用的是 R 3.2.5 和 Python 3.6）：

R 代码：

library(data.table)

df = data.table(iris)
df[,.(ratio1 = Sepal.Length/Sepal.Width, ratio2 = Petal.Length/Petal.Width)]


df[,.(ratio1 = Sepal.Length/Sepal.Width, ratio2 = Petal.Length/Petal.Width)]

最后一条命令会返回：

> df[,.(ratio1 = Sepal.Length/Sepal.Width, ratio2 = Petal.Length/Petal.Width)]
       ratio1   ratio2
  1: 1.457143 7.000000
  2: 1.633333 7.000000
  3: 1.468750 6.500000
  4: 1.483871 7.500000
  5: 1.388889 7.000000
 ---                  
146: 2.233333 2.260870
147: 2.520000 2.631579
148: 2.166667 2.600000
149: 1.823529 2.347826
150: 1.966667 2.833333

Python 代码：

import pandas as pd
from sklearn.datasets import load_iris

iris = load_iris()
df = pd.DataFrame(iris.data, columns=iris.feature_names)

pd.DataFrame(list(df.apply(lambda x: {'ratio1':x['sepal length (cm)']/x['sepal width (cm)'], 'ratio2':x['petal length (cm)']/x['petal width (cm)']}, axis=1)))

最后一条命令会返回：

In[6]: pd.DataFrame(list(df.apply(lambda x: {'ratio1':x['sepal length (cm)']/x['sepal width (cm)'], 'ratio2':x['petal length (cm)']/x['petal width (cm)']}, axis=1)))
Out[6]: 
       ratio1     ratio2
0    1.457143   7.000000
1    1.633333   7.000000
2    1.468750   6.500000
3    1.483871   7.500000
4    1.388889   7.000000
5    1.384615   4.250000

这是我的问题：我的 Python 实现让我觉得效率低下。我正在计算一系列字典，将其投影到列表中，然后调用 DataFrame 构造函数。换句话说，这不是从数据帧到数据帧的直接操作。这翻译成冗长的代码：R sn-p 的最后一行是 76 个字符，Python 的最后一行是 158。

有没有更好的方法来做到这一点？谢谢！

附：请注意，我不想将派生列（示例中的 ratio1、ratio2）永久添加到原始数据集中。我想在不改变数据的情况下即时计算并绘制或聚合它。

【问题讨论】：

标签： python r python-3.x pandas dataframe

【解决方案1】：

您不需要list() 或apply() 方法：

import pandas as pd
from sklearn.datasets import load_iris

iris = load_iris()
df = pd.DataFrame(iris.data, columns=iris.feature_names)

pd.DataFrame({"ratio1": df['sepal length (cm)']/df['sepal width (cm)'], "ratio2": df['petal length (cm)']/df['petal width (cm)']})

如果您希望将变量添加到原始数据集中，可以使用assign() 方法。

【讨论】：

【解决方案2】：

只是一个鲜为人知的宝石来完成这样的事情，试试以下：

import pandas as pd
from sklearn.datasets import load_iris

iris = load_iris()
df = pd.DataFrame(iris.data, columns=iris.feature_names)

# replace spaces and parentheses in column names:
df.columns = [col.replace(" (cm)", "").replace(" ", "_") for col in df.columns]

现在，使用 pandas eval 方法提供的多行求值：

df.eval("""ratio1 = sepal_length/sepal_width
           ratio2 = petal_length/petal_width""")

请参阅文档 here 和 here。

【讨论】：