如何在Pandas中把一个函数应用于多个列

在Pandas中，我们可以使用apply方法来将一个函数应用于一列或多列数据。通常，这个函数可以是自定义的，也可以是Python内置函数。

假设我们有一个数据集，包括三列数据x、y和z，我们希望对x、y、z计算它们的平均值，并将结果存储在另一个列avg中，我们可以按照以下步骤操作：

1. 导入Pandas模块和数据集

import pandas as pd

data = {
    'x': [1, 2, 3, 4, 5],
    'y': [2, 4, 6, 8, 10],
    'z': [3, 6, 9, 12, 15]
}

df = pd.DataFrame(data)

1. 定义计算均值的函数

def get_avg(row):
    return (row['x'] + row['y'] + row['z']) / 3

1. 应用函数并创建新列

df['avg'] = df.apply(get_avg, axis=1)

这里解释一下第三步采用了apply方法，该方法会遍历DataFrame的每一行，并应用get_avg函数计算每行的平均值。axis=1表示按行进行遍历，而不是默认的按列遍历。

最终得到的数据集如下所示：

   x   y   z   avg
0  1   2   3   2.0
1  2   4   6   4.0
2  3   6   9   6.0
3  4   8  12   8.0
4  5  10  15  10.0

我们可以看到，新的一列“avg”被添加到了数据集中，并且计算了每行x、y、z的平均值。

另外，我们还可以使用lambda表达式来定义函数，更加简洁快捷。示例如下：

df['avg'] = df.apply(lambda row: (row['x'] + row['y'] + row['z']) / 3, axis=1)

这里采用了匿名函数lambda来定义计算均值的函数，使代码更加简洁。

综上所述，使用apply方法将函数应用于多个列可以帮助我们快速处理数据集，并创建新的一列保存处理后的结果。