Pandas applymap метод с передачей имени столбца в качестве параметра

Question

Pandas applymap метод с передачей имени столбца в качестве параметра

1

Я хочу использовать метод applymap с немного сложной функцией в наборе данных ниже.

 value1 value2 value3 value4 value5  people

   147    119     69     92    106   533.0
    31     20     12     14     26   103.0
    37     22     24     18     19   120.0
    10     13      7     13     10    53.0
    38     48     18     30     27   161.0
   401    409    168    354    338  1670.0
   109     92     55     82     69   407.0
     5      9      7     11      9    41.0
    44     36     21     48     28   177.0
    59     40     19     38     27   183.0
     8      9      1      7     10    35.0

Столбец "Люди" представляет собой сумму столбцов значений. Я хочу заменить номера значений процентами из них. Например: В первой строке значение1 равно 147, а сумма значений в первой строке равна 533. Я хочу заменить 147 на (147/533) * 100

Я думаю, это выглядит так. но я не мог заставить его работать.

df.loc[:, 'value1':'value5'] = df.loc[:, 'value1':'value5'].applymap(lambda x: (x / df['people'])*100)

Tahtakafa 27 июль 2018, в 15:52

Источник

Теги:

python

pandas

lambda

1 ответ

Ещё вопросы

jezrael · Accepted Answer · 2018-07-27T10-44-00.000Z

Функция applymap используется для обработки каждого значения DataFrame отдельности.

Лучше использовать векторизованное решение с помощью DataFrame.div:

df.loc[:, 'value1':'value5'] = df.loc[:, 'value1':'value5'].div(df['people'], axis=0) * 100
print (df)
       value1     value2     value3     value4     value5  people
0   27.579737  22.326454  12.945591  17.260788  19.887430   533.0
1   30.097087  19.417476  11.650485  13.592233  25.242718   103.0
2   30.833333  18.333333  20.000000  15.000000  15.833333   120.0
3   18.867925  24.528302  13.207547  24.528302  18.867925    53.0
4   23.602484  29.813665  11.180124  18.633540  16.770186   161.0
5   24.011976  24.491018  10.059880  21.197605  20.239521  1670.0
6   26.781327  22.604423  13.513514  20.147420  16.953317   407.0
7   12.195122  21.951220  17.073171  26.829268  21.951220    41.0
8   24.858757  20.338983  11.864407  27.118644  15.819209   177.0
9   32.240437  21.857923  10.382514  20.765027  14.754098   183.0
10  22.857143  25.714286   2.857143  20.000000  28.571429    35.0

Еще одно numpy решение с трансляцией:

df.loc[:, 'value1':'value5'] = (df.loc[:, 'value1':'value5'].values / 
                                     df['people'].values[:, None] * 100)
print (df)
       value1     value2     value3     value4     value5  people
0   27.579737  22.326454  12.945591  17.260788  19.887430   533.0
1   30.097087  19.417476  11.650485  13.592233  25.242718   103.0
2   30.833333  18.333333  20.000000  15.000000  15.833333   120.0
3   18.867925  24.528302  13.207547  24.528302  18.867925    53.0
4   23.602484  29.813665  11.180124  18.633540  16.770186   161.0
5   24.011976  24.491018  10.059880  21.197605  20.239521  1670.0
6   26.781327  22.604423  13.513514  20.147420  16.953317   407.0
7   12.195122  21.951220  17.073171  26.829268  21.951220    41.0
8   24.858757  20.338983  11.864407  27.118644  15.819209   177.0
9   32.240437  21.857923  10.382514  20.765027  14.754098   183.0
10  22.857143  25.714286   2.857143  20.000000  28.571429    35.0

Если хотите, чтобы что-то подобное, например, applymap, возможно, apply, но решения выше быстрее:

df.loc[:, 'value1':'value5'] = )df.loc[:, 'value1':'value5']
                                   .apply(lambda x: (x / df['people'])*100))
print (df)
       value1     value2     value3     value4     value5  people
0   27.579737  22.326454  12.945591  17.260788  19.887430   533.0
1   30.097087  19.417476  11.650485  13.592233  25.242718   103.0
2   30.833333  18.333333  20.000000  15.000000  15.833333   120.0
3   18.867925  24.528302  13.207547  24.528302  18.867925    53.0
4   23.602484  29.813665  11.180124  18.633540  16.770186   161.0
5   24.011976  24.491018  10.059880  21.197605  20.239521  1670.0
6   26.781327  22.604423  13.513514  20.147420  16.953317   407.0
7   12.195122  21.951220  17.073171  26.829268  21.951220    41.0
8   24.858757  20.338983  11.864407  27.118644  15.819209   177.0
9   32.240437  21.857923  10.382514  20.765027  14.754098   183.0
10  22.857143  25.714286   2.857143  20.000000  28.571429    35.0

В векторизованной реализации у меня есть mask = notna(xrav) & notna(yrav) ValueError: operands could not be broadcast together with shapes (405,) (81,)
@Tahtakafa является одинаковым срезом в обе стороны 'value1':'value5' ?
Теперь я получаю TypeError: unsupported operand type(s) for /: 'decimal.Decimal' and 'float' с реализацией Numpy. Я думаю, что люди и столбцы значений разных типов.
@Tahtakafa - хм, это еще одна проблема. Возможно ли преобразовать десятичные столбцы в integer s? df.loc[:, 'value1':'value5'] = df.loc[:, 'value1':'value5'].astype(int).div(df['people'], axis=0) * 100 ?
@Tahtakafa - проблема была в пандах, а не в родной Decimal поддержке, поэтому странные ошибки.