如何在数据框的每一行上应用函数？ [英] How to apply a function on every row on a dataframe?

问题描述

我是Python的新手，我不确定如何解决以下问题。

我有一个函数：

  def EOQ（D，p，ck，ch）：
 Q = math.sqrt（（2 * D * ck）/（ch * p）） 
 return Q 
  

假设我有数据框

  df = pd.DataFrame（{D：[10,20,30]，p：[20，30，10]}）
 
 D p 
 0 10 20 
 1 20 30 
 2 30 10 
 
 ch = 0.2 
 ck = 5 
  

和 ch 和 ck 是浮点类型。现在我想将公式应用于数据框的每一行，并将其作为额外的行'Q'返回。一个例子（不起作用）将是：

pre $ $ c $ df ['Q'] = map（lambda p，D：EOQ （D，p，ck，ch），df ['p']，df ['D']）

（仅返回'map'类型）

我需要在我的项目中使用更多类型的处理，我希望找到可行的方法。

解决方案

因为我不知道 PartMaster 是什么，所以应该如下工作： / b>

  def EOQ（D，p，ck，ch）：
p，D =部件管理员
 Q =数学.sqrt（（2 * D * ck）/（ch * p））
返回Q 
 ch = 0.2 
 ck = 5 
 df ['Q'] = df。 apply（lambda row：EOQ（row ['D']，row ['p']，ck，ch），axis = 1）
 df 
  

如果你正在计算某个结果的平方根，那么使用 np.sqrt 方法，这是矢量化，并且会显着加快速度：

 在[80]中：
 df ['Q'] = np.sqrt （（2 * df ['D'] * ck）/（ch * df ['p']））
 
 df 
 Out [80]：
 D p Q 
 0 10 20 5.000000 
 1 20 30 5.773503 
 2 30 10 12.247449 
  

定时

行df：

 在[92]中：
 
导入数学
 ch = 0.2 
 ck = 5 
 def EOQ（D，p，ck，ch）：
 Q = math.sqrt（（2 * D * ck）/（ch * p））
返回Q 
 
％timeit np.sqrt（（2 * df ['D'] * ck）/（ch * df ['p']））
％timeit df.apply lambda行：EOQ（行['D']，行['p']，ck，ch），轴= 1）
 1000个循环，最好为3：每循环622μs
 1个循环，最好的3：每循环1.19秒
  

你可以看到np方法快1900倍X

I am new to Python and I am not sure how to solve the following problem.

I have a function:

def EOQ(D,p,ck,ch):
    Q = math.sqrt((2*D*ck)/(ch*p))
    return Q

Say I have the dataframe

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

    D   p
0   10  20
1   20  30
2   30  10

ch=0.2
ck=5

And ch and ck are float types. Now I want to apply the formula to every row on the dataframe and return it as an extra row 'Q'. An example (that does not work) would be:

df['Q']= map(lambda p, D: EOQ(D,p,ck,ch),df['p'], df['D']) 

(returns only 'map' types)

I will need this type of processing more in my project and I hope to find something that works.

解决方案

As I don't know what PartMaster is, the following should work:

def EOQ(D,p,ck,ch):
    p,D = Partmaster
    Q = math.sqrt((2*D*ck)/(ch*p))
    return Q
ch=0.2
ck=5
df['Q'] = df.apply(lambda row: EOQ(row['D'], row['p'], ck, ch), axis=1)
df

If all you're doing is calculating the square root of some result then use the np.sqrt method this is vectorised and will be significantly faster:

In [80]:
df['Q'] = np.sqrt((2*df['D']*ck)/(ch*df['p']))

df
Out[80]:
    D   p          Q
0  10  20   5.000000
1  20  30   5.773503
2  30  10  12.247449

Timings

For a 30k row df:

In [92]:

import math
ch=0.2
ck=5
def EOQ(D,p,ck,ch):
    Q = math.sqrt((2*D*ck)/(ch*p))
    return Q

%timeit np.sqrt((2*df['D']*ck)/(ch*df['p']))
%timeit df.apply(lambda row: EOQ(row['D'], row['p'], ck, ch), axis=1)
1000 loops, best of 3: 622 µs per loop
1 loops, best of 3: 1.19 s per loop

You can see that the np method is ~1900 X faster

这篇关于如何在数据框的每一行上应用函数？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！