Pandas: ¿Cómo puedo usar la función apply () para una sola columna?

Tengo un marco de datos de pandas con dos columnas. Necesito cambiar los valores de la primera columna sin afectar la segunda y recuperar todo el marco de datos con solo los valores de la primera columna cambiados. ¿Cómo puedo hacer eso usando aplicar en pandas?

Dado un marco de datos de muestra dfcomo:

a,b
1,2
2,3
3,4
4,5

lo que quieres es:

df['a'] = df['a'].apply(lambda x: x + 1)

eso devuelve:

   a  b
0  2  2
1  3  3
2  4  4
3  5  5

Para una sola columna mejor para usar map(), así:

df = pd.DataFrame([{'a': 15, 'b': 15, 'c': 5}, {'a': 20, 'b': 10, 'c': 7}, {'a': 25, 'b': 30, 'c': 9}])

    a   b  c
0  15  15  5
1  20  10  7
2  25  30  9



df['a'] = df['a'].map(lambda a: a / 2.)

      a   b  c
0   7.5  15  5
1  10.0  10  7
2  12.5  30  9

No necesitas una función en absoluto. Puede trabajar en una columna completa directamente.

Datos de ejemplo:

>>> df = pd.DataFrame({'a': [100, 1000], 'b': [200, 2000], 'c': [300, 3000]})
>>> df

      a     b     c
0   100   200   300
1  1000  2000  3000

La mitad de todos los valores en la columna a:

>>> df.a = df.a / 2
>>> df

     a     b     c
0   50   200   300
1  500  2000  3000

Aunque las respuestas dadas son correctas, modifican el marco de datos inicial, lo que no siempre es deseable (y, dado que el OP solicitó ejemplos "usando apply", podría ser que quisieran una versión que devuelva un nuevo marco de datos, como lo applyhace).

Esto es posible usando assign: es válido para assignlas columnas existentes, como dice la documentación (el énfasis es mío):

Asigne nuevas columnas a un DataFrame.

Devuelve un nuevo objeto con todas las columnas originales además de las nuevas. Las columnas existentes que se reasignan se sobrescribirán .

En breve:

In [1]: import pandas as pd

In [2]: df = pd.DataFrame([{'a': 15, 'b': 15, 'c': 5}, {'a': 20, 'b': 10, 'c': 7}, {'a': 25, 'b': 30, 'c': 9}])

In [3]: df.assign(a=lambda df: df.a / 2)
Out[3]: 
      a   b  c
0   7.5  15  5
1  10.0  10  7
2  12.5  30  9

In [4]: df
Out[4]: 
    a   b  c
0  15  15  5
1  20  10  7
2  25  30  9

Tenga en cuenta que la función pasará todo el marco de datos, no solo la columna que desea modificar, por lo que deberá asegurarse de seleccionar la columna correcta en su lambda.

Si está realmente preocupado por la velocidad de ejecución de su función de aplicación y tiene un gran conjunto de datos para trabajar, puede usar más rápido para hacer una ejecución más rápida, aquí hay un ejemplo para un marco de datos más rápido en pandas:

import pandas as pd
import swifter

def fnc(m):
    return m*3+4

df = pd.DataFrame({"m": [1,2,3,4,5,6], "c": [1,1,1,1,1,1], "x":[5,3,6,2,6,1]})

# apply a self created function to a single column in pandas
df["y"] = df.m.swifter.apply(fnc)

Esto permitirá que todos sus núcleos de CPU calculen el resultado, por lo tanto, será mucho más rápido que las funciones de aplicación normales. Intenta avisarme si te resulta útil.

Permítanme probar un cálculo complejo usando datetime y considerando nulos o espacios vacíos. Estoy reduciendo 30 años en una columna de fecha y hora y utilizando el applymétodo lambday la conversión del formato de fecha y hora. Line if x != '' else xse encargará de todos los espacios vacíos o nulos en consecuencia.

df['Date'] = df['Date'].fillna('')
df['Date'] = df['Date'].apply(lambda x : ((datetime.datetime.strptime(str(x), '%m/%d/%Y') - datetime.timedelta(days=30*365)).strftime('%Y%m%d')) if x != '' else x)