时间戳

首页 > 解决方案 > 如何将函数应用于熊猫数据框中的每一行？

python - 如何将函数应用于熊猫数据框中的每一行？

问题描述

我对编码很陌生，所以这可能很简单，但到目前为止我找到的答案都没有以我能理解的方式提供信息。

我想获取一列数据并应用一个函数 (axe^bx)，其中 a > 0 和 b < 0。在这种情况下，(x) 将是我数据每一行中的浮点值。

看看我到目前为止有什么，但我不知道从这里去哪里......

def plot_data():

    # read the file
    data = pd.read_excel(FILENAME)

    # convert to pandas dataframe
    df = pd.DataFrame(data, columns=['FP Signal'])

    # add a blank column to store the normalized data
    headers = ['FP Signal', 'Normalized']
    df = df.reindex(columns=headers)
    df.plot(subplots=True, layout=(1, 2))
    df['Normalized'] = df.apply(normalize(['FP Signal']), axis=1)
    print(df['Normalized'])
    # show the plot
    plt.show()

# normalization formula (exponential) = a x e ^bx where a > 0, b < 0
def normalize(x):
    x = A * E ** (B * x)
    return x

我可以显示此图像，但不能显示“标准化”数据...

原始数据和标准化数据的子图图像

谢谢你的帮助！

标签： pythonpandasdata-visualizationneuroscience

解决方案

您的代码几乎是正确的。

# normalization formula (exponential) = a x e ^bx where a > 0, b < 0
def normalize(x):
    x = A * E ** (B * x)
    return x

def plot_data():

    # read the file
    data = pd.read_excel(FILENAME)

    # convert to pandas dataframe
    df = pd.DataFrame(data, columns=['FP Signal'])

    # add a blank column to store the normalized data
    headers = ['FP Signal', 'Normalized']
    df = df.reindex(columns=headers)
    df['Normalized'] = df['FP Signal'].apply(lambda x: normalize(x))
    print(df['Normalized'])
    df.plot(subplots=True, layout=(1, 2))
    # show the plot
    plt.show()

我将apply行更改为以下内容：df['FP Signal'].apply(lambda x: normalize(x)). 它只需要 df['FP Signal'] 上的值，因为您不需要整行。lambda x表示分配给 x 的当前值，我们将其发送到规范化。

你也可以写df['FP Signal'].apply(normalize)哪个更直接更简单。使用 lambda 只是我个人的偏好，但很多人可能不同意。

一个小的补充是df.plot(subplots=True, layout=(1, 2))在您更改数据框之后放置。如果您在更改数据框之前进行绘图，您将不会在绘图中看到任何变化。df.plot实际上在做情节，plt.show只是显示它。这就是为什么df.plot必须在您处理完数据之后。

推荐阅读