Pandas Apply 函数返回两个新列

Pandas

使用Pandas的Apply函数可以在数据分析和数据处理过程中非常方便地生成新列。Apply函数能够对DataFrame或Series的每个元素进行操作，并根据自定义的函数返回一个新的列。在本文中，我们将介绍Apply函数的用法，并通过一个案例来演示其功能。

Apply函数的基本用法

Apply函数的基本用法非常简单，只需要传入一个自定义函数即可。这个自定义函数将作用于DataFrame或Series的每个元素，并返回一个新的值。最后，Apply函数将所有新的值组成一个新的列。

下面是一个简单的例子，假设我们有一个包含学生考试成绩的DataFrame，我们希望根据每个学生的成绩计算他们的等级：

Python
import Pandas as pd
# 创建一个DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Score': [85, 92, 78]}
df = pd.DataFrame(data)
# 定义一个函数，根据成绩返回等级
def get_grade(score):
    if score >= 90:
        return 'A'
    elif score >= 80:
        return 'B'
    else:
        return 'C'
# 使用Apply函数生成新的等级列
df['Grade'] = df['Score'].apply(get_grade)
print(df)

运行以上代码，输出的结果如下：

      Name  Score Grade
0    Alice     85     B
1      Bob     92     A
2  Charlie     78     C

可以看到，通过使用Apply函数，我们成功地根据学生的成绩生成了对应的等级列。

Apply函数的高级用法

除了基本用法之外，Apply函数还支持更复杂的操作。我们可以通过传递额外的参数给自定义函数，来实现更多的功能。

接下来，我们将通过一个例子来演示如何使用Apply函数计算商品的折扣价格。假设我们有一个包含商品原价的DataFrame，我们希望根据商品的折扣率来计算折扣价格：

Python
import Pandas as pd
# 创建一个DataFrame
data = {'Product': ['Apple', 'Banana', 'Orange'],
        'Price': [10, 8, 12],
        'Discount': [0.1, 0.2, 0.3]}
df = pd.DataFrame(data)
# 定义一个函数，根据原价和折扣率计算折扣价格
def calculate_discounted_price(price, discount_rate):
    return price * (1 - discount_rate)
# 使用Apply函数生成新的折扣价格列
df['Discounted Price'] = df.apply(lambda row: calculate_discounted_price(row['Price'], row['Discount']), axis=1)
print(df)

运行以上代码，输出的结果如下：

  Product  Price  Discount  Discounted Price
0   Apple     10       0.1               9.0
1  Banana      8       0.2               6.4
2  Orange     12       0.3               8.4

可以看到，通过使用Apply函数和自定义函数，我们成功地根据商品的原价和折扣率生成了对应的折扣价格列。

使用Apply函数返回多个新列

除了生成一个新的列之外，Apply函数还可以返回多个新的列。我们只需要在自定义函数中返回一个Series对象，其中包含所有需要生成的新列。

下面是一个例子，假设我们有一个包含学生成绩的DataFrame，我们希望根据每个学生的成绩生成他们的等级和是否及格两个新列：

Python
import Pandas as pd
# 创建一个DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Score': [85, 92, 78]}
df = pd.DataFrame(data)
# 定义一个函数，根据成绩返回等级和是否及格
def get_grade_and_pass(score):
    if score >= 90:
        grade = 'A'
    elif score >= 80:
        grade = 'B'
    else:
        grade = 'C'
    
    if score >= 60:
        pass_status = True
    else:
        pass_status = False
    
    return pd.Series([grade, pass_status])
# 使用Apply函数生成新的等级和是否及格两列
df[['Grade', 'Pass']] = df['Score'].apply(get_grade_and_pass)
print(df)

运行以上代码，输出的结果如下：

      Name  Score Grade   Pass
0    Alice     85     B   True
1      Bob     92     A   True
2  Charlie     78     C  False

可以看到，通过使用Apply函数和返回Series对象的自定义函数，我们成功地生成了两个新的列——等级和是否及格。

通过Pandas的Apply函数，我们可以方便地在数据分析和数据处理过程中生成新的列。无论是简单的操作还是复杂的计算，Apply函数都能够满足我们的需求。希望本文对你理解和使用Apply函数有所帮助。