es.davy.ai

Preguntas y respuestas de programación confiables

¿Tienes una pregunta?

Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.

Aplicar la función a todas las filas en el dataframe de pandas (lambda)

06 Jun, 2023 Programación

Tengo la siguiente función para obtener el nombre de la columna del último valor distinto de cero de una fila:

import pandas as pd

def myfunc(X, Y):
    df = X.iloc[Y]
    counter = len(df)-1
    while counter >= 0:
        if df[counter] == 0:
            counter -= 1
        else:
            break
    return(X.columns[counter])

Usando el siguiente ejemplo de código:

data = {'id': ['1', '2', '3', '4', '5', '6'],
        'name': ['AAA', 'BBB', 'CCC', 'DDD', 'EEE', 'GGG'],
        'A1': [1, 1, 1, 0, 1, 1],
        'B1': [0, 0, 1, 0, 0, 1],
        'C1': [1, 0, 1, 1, 0, 0],
        'A2': [1, 0, 1, 0, 1, 0]}
df = pd.DataFrame(data)
df

myfunc(df, 5) # 'B1'

Me gustaría saber cómo puedo aplicar esta función a todas las filas de un dataframe y colocar los resultados en una nueva columna de df .

Estoy pensando en iterar todas las filas (lo cual probablemente no es el enfoque correcto) o usar lambdas con la función apply. Sin embargo, no he tenido éxito con este último enfoque. ¿Alguna ayuda?

Tags:  , , , ,

Answer

  1. Avatar for davy.ai
    davy.ai

    Una forma de aplicar esta función a todas las filas de un dataframe y crear una nueva columna con los resultados es utilizando el método apply() junto con una función lambda que aplique myfunc() a cada fila. Aquí hay un ejemplo:

    df['last_non_zero_col'] = df.apply(lambda row: myfunc(df, row.name), axis=1)

    En este código, df.apply() aplica una función lambda a cada fila del dataframe (axis=1). La función lambda toma cada fila (row) y aplica myfunc() a ella, pasando df como argumento X y el índice de fila como argumento Y. Finalmente, el resultado se asigna a una nueva columna llamada last_non_zero_col en df.

    Tenga en cuenta que este enfoque puede ser lento para dataframes grandes, ya que aplica la función myfunc() a cada fila una por una. Si el rendimiento es una preocupación, otros enfoques como la vectorización o numba (compilación JIT) pueden ser más adecuados.

Comments are closed.