Pandas apply函数同时对多列进行操作及groupby函数

DataFrame.apply(func, axis=0, broadcast=None, raw=False, reduce=None, result_type=None, args=(), **kwds):

其中axis=0对行操作；axis=1代表对列操作

def add_crits(crit1,crit2,crit3):
    return (crit1+crit2+crit3)

data['crits']  = data.apply(lambda row: add_crits(row['crit1'],row['crit2'],row['crit3']),axis=1)

查看结果：

print(data[['crits','crit1','crit2','crit3']].head())

#crits  crit1  crit2  crit3
#0      3      1      1      1
#1      3      1      1      1
#2      3      1      1      1
#3      3      1      1      1
#4      3      1      1      1

根据一列值更改另一列：

#如果'propvalue'值为-99，且property为0，将-99改为0，否则改为propvalue正常值（大于等于0）的中位数value_median
def change_propvalue(x,y):
    if x == 0 and y==-99:
        y = 0
    elif (x==1 or x==-9) and y == -99:
            y = value_median
    return y
data['propvalue']=data.apply(lambda row: change_propvalue(row['property'],row['propvalue']),axis=1)   

groupby如下所示，根据"attack_level"进行分组，求每组"attack_score"的均值

x= data.groupby(by=['attack_level'])['attack_score'].mean()
print(x)

#attack_level
#0    3.973406
#1    1.362644
#2    2.255224
#3    4.837559
#4   -0.754182