需要对列进行 sin 和 cos 转换，其中每列将返回 2 列，col_sin 和 col_cos
def transform(data, var):
sin_ = np.sin(data - var)
cos_ = np.cos(data - var)
return pd.Series([sin_, cos_], index=['sin', 'cos']
d = {'col1': [0, 15, 30, 45, 60], 'col2': [0, 60, 180, 240, 300]}
df = pd.DataFrame(data=d)
df = df.apply(transform, axis=0, var=0)
返回(数字不正确，因为cols与实际传递的cols不同):
+-----+----------------------------+----------------------------+
| | col1 | col2 |
|-----+----------------------------+----------------------------|
| sin | 0 0.000000e+00 | 0 0.000000e+00 |
| | 1 1.000000e+00 | 1 -1.133108e-15 |
| | 2 5.665539e-16 | 2 -7.347881e-16 |
| | 3 -1.000000e+00 | 3 -4.532431e-15 |
| | 4 -1.133108e-15 | 4 -1.224647e-15 |
| | Name: col1, dtype: float64 | Name: col2, dtype: float64 |
| cos | 0 1.000000e+00 | 0 1.0 |
| | 1 2.832769e-16 | 1 1.0 |
| | 2 -1.000000e+00 | 2 1.0 |
| | 3 -1.836970e-16 | 3 1.0 |
| | 4 1.000000e+00 | 4 1.0 |
| | Name: col1, dtype: float64 | Name: col2, dtype: float64 |
+-----+----------------------------+----------------------------+
预期输出应该有 4 列:col1_sin、col1_cos、col2_sin 和 col2_cos
我怎样才能做到这一点？
还有一种方法可以将 var 作为列表/元组传递，其中 var[0] 用于 col1，var[1] 用于 col2？像这样:
df = df.apply(transform, axis=0, var=[0, 60])
有没有办法用 raw=True 来加快速度？这样的事情是行不通的
def transform(data, var):
sin_ = np.sin(data - var)
cos_ = np.cos(data - var)
return np.column_stack((sin_, cos_))
谢谢!
请您参考如下方法:
使用DataFrame.pipe对于传递所有 DataFrame，如果 var 是具有相同大小的列表，例如列数可以减去它们，将 DataFrame 连接在一起并返回具有新列名称的 DataFrame:
def transform(data, var):
sin_ = np.sin(data - var)
cos_ = np.cos(data - var)
arr = np.column_stack((sin_, cos_))
c = (data.columns + '_sin').tolist() + (data.columns + '_cos').tolist()
return pd.DataFrame(arr, index=df.index, columns=c)
d = {'col1': [0, 15, 30, 45, 60], 'col2': [0, 60, 180, 240, 300]}
df = pd.DataFrame(data=d)
df = df.pipe(transform, var=[0, 60])
print (df)
col1_sin col2_sin col1_cos col2_cos
0 0.000000 0.304811 1.000000 -0.952413
1 0.650288 0.000000 -0.759688 1.000000
2 -0.988032 0.580611 0.154251 0.814181
3 0.850904 -0.801153 0.525322 -0.598460
4 -0.304811 0.945445 -0.952413 0.325781
