Pandas apply函数同时对多列进行操作及groupby函数

DataFrame.apply(funcaxis=0broadcast=Noneraw=Falsereduce=Noneresult_type=Noneargs=()**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

 

  • 1
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值