python - 如何在数据框的每一行上应用函数？

我是Python的新手，我不确定如何解决以下问题。

我有一个功能:

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

说我有数据框

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

ch和ck是浮点类型。现在，我想将公式应用于数据帧的每一行，并将其作为额外的行“Q”返回。一个示例(不起作用)将是:

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

(仅返回“ map ”类型)

在我的项目中，我将需要更多此类处理，并希望找到可行的方法。

最佳答案

以下应该工作:

def EOQ(D,p,ck,ch):
    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

如果您要做的只是计算某个结果的平方根，请使用np.sqrt方法进行矢量化处理，并且速度会更快:

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

时间

对于3万行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

您可以看到np方法快了约1900 X

关于python - 如何在数据框的每一行上应用函数？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/33518124/