在 python/pandas 中跨多个列应用类似的函数

Question

问题：鉴于下面的数据框，我正在尝试编写将函数应用于三个不同列的代码，而无需编写三个单独的函数调用。

数据代码：

import pandas as pd
data = {'name': ['Jason', 'Molly', 'Tina', 'Jake', 'Amy'],
    'days': [365, 365, 213, 318, 71],
    'spend_30day': [22, 241.5, 0, 27321.05, 345],
    'spend_90day': [22, 451.55, 64.32, 27321.05, 566.54],
    'spend_365day': [854.56, 451.55, 211.65, 27321.05, 566.54]}

df = pd.DataFrame(data)
cols = df.columns.tolist()
cols = ['name', 'days', 'spend_30day', 'spend_90day', 'spend_365day']
df = df[cols]
df

下面的函数实质上将按年计算支出；如果某人在“天数”列中的天数少于 365 天，则以下函数将告诉我如果他们有 365 天会花费多少：

def annualize_spend_365(row):
    if row['days']/(float(365)) < 1:
        return (row['spend_365day']/(row['days']/float(365)))
    else:
        return row['spend_365day']

然后我将函数应用于特定列：

df.spend_365day = df.apply(annualize_spend_365, axis=1).round(2)
df

这完全符合我对那一列的要求。但是，我不想为三个不同的“支出”列（30、90、365）中的每一个重写这个。我希望能够编写代码，将这个函数概括并一次应用到多个列。

我以为我可以创建列及其各自日期的列表，使用“zip”函数，并将函数嵌套在 for 循环中，但我在下面的尝试最终失败了：

spend_cols = [df.spend_30day, df.spend_90day, df.spend_365day]
days_list = [30, 90, 365]

for col, day in zip(spend_cols, days_list):
    def annualize_spend(row):
        if (row.days/(float(day)) < 1:
            return (row.col)/((row.days)/float(day))
        else:
            return row.col
    col = df.apply(annualize_spend, axis = 1)

错误：

AttributeError: ("'Series' object has no attribute 'col'")

我不确定为什么循环方法会失败。无论如何，我希望获得有关如何在 pandas 中泛化函数应用的指导。提前致谢！

Answer 1

看看你的两个函数定义：

def annualize_spend_365(row):
    if row['days']/(float(365)) < 1:
        return (row['spend_365day']/(row['days']/float(365)))
    else:
        return row['spend_365day']

和

#col in [df.spend_30day, df.spend_90day, df.spend_365day]
def annualize_spend(row):
    if (row.days/(float(day)) < 1:
        return (row.col)/((row.days)/float(day))
    else:
        return row.col

看到区别了吗？一方面，在第一种情况下，您访问具有显式字段名称的字段，并且它可以工作。在第二种情况下，您尝试访问 row.col，但它失败了，但在这种情况下，col 假定 值 中的相应字段 df。而是尝试

spend_cols = ['spend_30day', 'spend_90day', 'spend_365day']

在你的循环之前。另一方面，在语法df.days 中，字段名实际上是“days”，但在df.col 中，字段名不是字符串“col”，而是字符串@ 的value 987654329@。所以你可能想在后一种情况下使用row[col]。无论如何，我不确定将col 作为循环内的输出变量而不是col 是多么明智。

---

我不熟悉pandas.DataFrame.apply，但可能使用单个函数定义，它将天数和感兴趣的字段作为输入变量：

def annualize_spend(col,day,row):
    if (row['days']/(float(day)) < 1:
        return (row[col])/((row['days'])/float(day))
    else:
        return row[col]

spend_cols = ['spend_30day', 'spend_90day', 'spend_365day']
days_list = [30, 90, 365]

for col, day in zip(spend_cols, days_list):
    col = df.apply(lambda row,col=col,day=day: annualize_spend(col,day,row), axis = 1)

lambda 将确保您的函数只有一个输入参数在获得applyd 时悬空。