熊貓數據幀：有條件選擇列

Question

我有一個熊貓數據幀，如下所示...

C1 C2 C3  C4 
0 -1 -3 3 0.75 
1 10 20 30 -0.50 

欲其具有值在每行中僅添加前兩列小於零。例如，該系列我會得到上面的情況是如下......

CR 
0 -4 
1 0 

我知道如何運用其他功能，如下面的...

df.iloc[:, :-2].abs().sum(axis = 1) 

是否有辦法使用lambda函數？

Answer 1

看來你需要通過iloc與where和sum選擇：

df = df.iloc[:,:2].where(df < 0).sum(axis=1) 
print (df) 
0 -4.0 
1 0.0 
dtype: float64 

如果有selection by callable需要的解決方案：

df = df.iloc[:, lambda df: [0,1]].where(df < 0).sum(axis=1) 
print (df) 
0 -4.0 
1 0.0 
dtype: float64 

對於lambda功能python太適用於此。

在大熊貓拉姆達：按行.apply(axis=0)

#sample data 
np.random.seed(100) 
df = pd.DataFrame(np.random.randint(10, size=(5,5)), columns=list('ABCDE')) 
print (df) 
    A B C D E 
0 8 8 3 7 7 
1 0 4 2 5 2 
2 2 2 1 0 8 
3 4 0 9 6 2 
4 4 1 5 3 4 

獲取區別是什麼默認設置，以便同.apply()：

#instead function f1 is possible use lambda, if function is simple 
print (df.apply(lambda x: x.max() - x.min())) 
A 8 
B 8 
C 8 
D 7 
E 6 
dtype: int64 

def f1(x): 
    #print (x) 
    return x.max() - x.min() 

print (df.apply(f1)) 
A 8 
B 8 
C 8 
D 7 
E 6 
dtype: int64 

找列.apply(axis=1)

#instead function f2 is possible use lambda, if function is simple 
print (df.apply(lambda x: x.max() - x.min(), axis=1)) 
0 5 
1 5 
2 8 
3 9 
4 4 
dtype: int64 

def f2(x): 
    #print (x) 
    return x.max() - x.min() 

print (df.apply(f2, axis=1)) 
0 5 
1 5 
2 8 
3 9 
4 4 
dtype: int64