Skip to main content
 首页 » 编程设计

python之pandas:将函数应用于数据框列中的每个唯一元素并合并回输出

2025年05月04日8落叶

让我们考虑一个数据框:

np.random.seed(123) 
df = pd.DataFrame({"x": np.random.random(size=10)}) 
df["y"] = np.where(df.x < 0.5, 0, 1) 

输出:

          x  y 
0  0.696469  1 
1  0.286139  0 
2  0.226851  0 
3  0.551315  1 
4  0.719469  1 
5  0.423106  0 
6  0.980764  1 
7  0.684830  1 
8  0.480932  0 
9  0.392118  0 

我想添加一个名为 id 的新列:

          x  y    id 
0  0.696469  1  id_1 
1  0.286139  0  id_0 
2  0.226851  0  id_0 
3  0.551315  1  id_1 
4  0.719469  1  id_1 
5  0.423106  0  id_0 
6  0.980764  1  id_1 
7  0.684830  1  id_1 
8  0.480932  0  id_0 
9  0.392118  0  id_0 

我发现我可以使用apply函数

df.groupby("y").apply(lambda d: "id_%d" % d.name) 

输出:

0    id_0 
1    id_1 
dtype: object 

问题 1:如何将 apply 函数的输出合并回原始数据框?

Q2:有没有更优雅的方法来添加id列?

请您参考如下方法:

您可以只添加一列:

df['id'] = df['y'].apply(lambda d: "id_%d" % d) 

返回:

          x  y    id 
0  0.696469  1  id_1 
1  0.286139  0  id_0 
2  0.226851  0  id_0 
3  0.551315  1  id_1 
4  0.719469  1  id_1 
5  0.423106  0  id_0 
6  0.980764  1  id_1 
7  0.684830  1  id_1 
8  0.480932  0  id_0 
9  0.392118  0  id_0 

编辑: 如果您需要使用您的:

func = df.groupby("y").apply(lambda d: "id_%d" % d.name) 

您稍后可以使用 map :

df['id'] = df['y'].map(func)