可以使用 apply 方法将其他列的值传入 DataFrame 或 Series 的函数，来进行更灵活的计算或操作。apply 方法允许你逐行或逐列地对 DataFrame 或 Series 的元素进行操作，而且你可以将其他列的值作为参数传递给函数。
示例：使用 apply 结合其他列的值
假设你有一个包含多个列的 DataFrame，并且你想根据某一列的值，使用同一行的其他列的值来计算结果。
示例1：将 value 列的每个值乘以 other 列的对应值
import pandas as pd
# 创建DataFrame
df = pd.DataFrame({
'value': [10, 20, 30, 40],
'other': [2, 3, 4, 5]
})
# 使用apply进行操作，传入其他列的值
df['result'] = df.apply(lambda row: row['value'] * row['other'], axis=1)
print(df)
输出：
value other result
0 10 2 20
1 20 3 60
2 30 4 120
3 40 5 200
解释：
apply：apply可以逐行（axis=1）或逐列（axis=0）应用函数。在这个例子中，我们选择了axis=1，即逐行应用。row['value'] * row['other']：在lambda函数中，我们访问了每一行的value和other列的值，并进行相乘操作。- 新列
result：最终，我们将计算结果赋值给新列result。
示例2：根据 value 列的值判断是否大于某个阈值，使用 other 列的值进行不同的处理
# 创建DataFrame
df = pd.DataFrame({
'value': [10, 20, 30, 40],
'other': [2, 3, 4, 5]
})
# 使用apply进行条件操作
df['flag'] = df.apply(lambda row: row['other'] * 2 if row['value'] > 20 else row['other'] * 0.5, axis=1)
print(df)
输出：
value other flag
0 10 2 1.0
1 20 3 1.5
2 30 4 8.0
3 40 5 10.0
解释：
- 我们根据
value列的值进行条件判断：- 如果
value大于 20，则将other列的值乘以 2； - 否则，将
other列的值乘以 0.5。
- 如果
- 通过
apply，我们可以根据每一行的value列值灵活地选择不同的计算方法。
示例3：对多个列进行复杂计算
假设你想要根据 value 列和 other 列的组合进行一些复杂的计算，并将结果存储在新列中。
# 创建DataFrame
df = pd.DataFrame({
'value': [10, 20, 30, 40],
'other': [2, 3, 4, 5],
'multiplier': [1, 1.5, 2, 2.5]
})
# 使用apply进行复杂计算
df['final'] = df.apply(lambda row: (row['value'] + row['other']) * row['multiplier'], axis=1)
print(df)
输出：
value other multiplier final
0 10 2 1.0 12.0
1 20 3 1.5 34.5
2 30 4 2.0 68.0
3 40 5 2.5 112.5
解释：
- 在
apply中，我们结合了value列、other列和multiplier列的值进行复杂的计算。 - 对每一行的这些列进行加法、乘法等计算，并将结果存储在新列
final中。
总结：
- 使用
apply时，你可以将其他列的值作为参数传入，进行复杂的行级操作。 - 通过
axis=1，你可以逐行操作数据，访问同一行中的多个列。 - 这种方式非常灵活，适用于需要多列值参与计算的场景。
