应用具有多个参数的函数以创建新的pandas列

Question

我想pandas通过将函数应用于两个现有列在数据框中创建一个新列。按照这个答案，当我只需要一个列作为参数时，我已经能够创建一个新列：import pandas as pddf = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})def fx(x):    return x * xprint(df)df['newcolumn'] = df.A.apply(fx)print(df)但是，当函数需要多个参数时，我无法弄清楚该怎么做。例如，如何通过将A列和B列传递给下面的函数来创建新列？def fxy(x, y):    return x * y

Answer 1

另外，您可以使用numpy基础函数：

>>> import numpy as np

>>> df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})

>>> df['new_column'] = np.multiply(df['A'], df['B'])

>>> df

    A   B  new_column

0  10  20         200

1  20  30         600

2  30  10         300

或一般情况下向量化任意函数：

>>> def fx(x, y):

...     return x*y

...

>>> df['new_column'] = np.vectorize(fx)(df['A'], df['B'])

>>> df

    A   B  new_column

0  10  20         200

1  20  30         600

2  30  10         300

Answer 2

如果可以重写函数，则可以使用@greenAfrican示例。但是，如果您不想重写函数，可以将其包装到apply内部的匿名函数中，如下所示：

>>> def fxy(x, y):

...     return x * y

>>> df['newcolumn'] = df.apply(lambda x: fxy(x['A'], x['B']), axis=1)

>>> df

    A   B  newcolumn

0  10  20        200

1  20  30        600

2  30  10        300

Answer 3

这样可以解决问题：

df['newcolumn'] = df.A * df.B

您也可以这样做：

def fab(row):

  return row['A'] * row['B']

df['newcolumn'] = df.apply(fab, axis=1)