应用具有多个参数的函数以创建新的pandas列

Question

我想pandas通过将函数应用于两个现有列在数据框中创建一个新列。按照这个答案，当我只需要一个列作为参数时，我已经能够创建一个新列：

import pandas as pd

df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})

def fx(x):

    return x * x

print(df)

df['newcolumn'] = df.A.apply(fx)

print(df)

但是，当函数需要多个参数时，我无法弄清楚该怎么做。例如，如何通过将A列和B列传递给下面的函数来创建新列？

def fxy(x, y):

    return x * y

Answer 1

另外，您可以使用numpy基础函数：>>> import numpy as np>>> df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})>>> df['new_column'] = np.multiply(df['A'], df['B'])>>> df    A   B  new_column0  10  20         2001  20  30         6002  30  10         300或一般情况下向量化任意函数：>>> def fx(x, y):...     return x*y...>>> df['new_column'] = np.vectorize(fx)(df['A'], df['B'])>>> df    A   B  new_column0  10  20         2001  20  30         6002  30  10         300

Answer 2

如果可以重写函数，则可以使用@greenAfrican示例。但是，如果您不想重写函数，可以将其包装到apply内部的匿名函数中，如下所示：>>> def fxy(x, y):...     return x * y>>> df['newcolumn'] = df.apply(lambda x: fxy(x['A'], x['B']), axis=1)>>> df    A   B  newcolumn0  10  20        2001  20  30        6002  30  10        300

Answer 3

这样可以解决问题：df['newcolumn'] = df.A * df.B您也可以这样做：def fab(row):  return row['A'] * row['B']df['newcolumn'] = df.apply(fab, axis=1)