我尝试学习更多关于 python 中的 apply 方法，并问自己如何使用 apply 编写以下代码:
我有一个如下所示的数据框 df:
A B C D E points
0 0 0 0 1 43 94
1 0 0 1 1 55 62
2 1 1 0 1 21 84
3 1 0 1 0 13 20
此外，我还有一个像下面这样的函数，它完成了它的工作:
def f1(df):
df_means = pd.DataFrame(columns = ['Mean_Points'])
for columnname in df.columns:
if len(df[df[columnname] == 1]) > 1:
df_means.loc[columnname] = [df[df[columnname] == 1]['points'].mean()]
return df_means
所以f1的输出是
'Mean_Points'
A 52
C 41
D 80
这完全没问题。 但我想知道是否有可能(我确信有)使用 apply 方法获得相同的结果。 我试过:
df_means = pd.DataFrame(columns = ['Mean_Points'])
cols = [col for col in df.columns if len(df[df[col] == 1]) > 1]
df_means.loc[cols] = df[cols].apply(lambda x: df[df[x] == 1]['points'].mean(), axis = 1)
或类似的:
df_means = pd.DataFrame(columns = ['Mean_Points'])
df.columns.apply(lambda x: df_means.loc[x] = [df[df[x] == 1]['points'].mean()] if len(df[df[x] == 1]) > 1 else None)
和 2,3 其他东西，但没有任何效果...... 我希望有人能在这里帮助我？!
请您参考如下方法:
pd.DataFrame.dot
# filters s to be just those
# things greater than 1
# v
s = df.eq(1).sum().loc[lambda x: x > 1]
df.loc[:, s.index].T.dot(df.points).div(s)
A 52.0
C 41.0
D 80.0
dtype: float64
单线法
这消除了干扰，但可能会进行不必要的计算。
df.T.dot(df.points).div(df.sum())[df.eq(1).sum().gt(1)]
A 52.0
C 41.0
D 80.0
dtype: float64
