Question

我有一个数据框，并希望根据公式替换每个单元格值本月new_val = current_val/#days。假设数据框看起来像：

     2012    2013    2014
Jan   10     12       11
Feb   8       9       10
Mar   11      11      13

然后，如果2012年1月的天数是31，则对应于2012年1月的新单元格值将是10/31。同样，2014年3月的价值将是13/31，依此类推。

我正在考虑应用applymap函数，但我正在努力学习语法：

df.applymap(lambda x: x/(monthrange(A,B)[1]))

其中A =年，B =月。我想知道是否有人可以帮助我为A和B提供适当的索引。

输出将是：

       2012     2013    2014
Jan   0.3226   0.3870  0.3548
Feb   0.2758   0.3214  0.3571
Mar   0.3548   0.3548  0.4193

Answer 1

使用df.applymap(func)，函数func仅传递给DataFrame 值。它没有传递相应的索引和列标签。所以我看不到你可以在这里使用df.applymap的方式。

相反，您可以将df取消堆叠，并使用其索引df.stack().index和pd.to_datetime将索引和列标签解析为日期：

result = df.stack()
# Jan  2012    10
#      2013    12
#      2014    11
# Feb  2012     8
#      2013     9
#      2014    10
# Mar  2012    11
#      2013    11
#      2014    13
# dtype: int64

dates = pd.to_datetime([' '.join(item) for item in result.index])
# DatetimeIndex(['2012-01-01', '2013-01-01', '2014-01-01', '2012-02-01',
#                '2013-02-01', '2014-02-01', '2012-03-01', '2013-03-01',
#                '2014-03-01'],
#               dtype='datetime64[ns]', freq=None, tz=None)

然后使用DatetimeIndex.days_in_month属性查找数字每个月的日子：

days = dates.days_in_month
# array([31, 31, 31, 29, 28, 28, 31, 31, 31], dtype=int32)

现在将result除以每月的天数：

In [140]: result/days
Out[140]: 
Jan  2012    0.322581
     2013    0.387097
     2014    0.354839
Feb  2012    0.275862
     2013    0.321429
     2014    0.357143
Mar  2012    0.354839
     2013    0.354839
     2014    0.419355
dtype: float64

并取消堆栈以获得所需的结果：

(df.stack()/days).unstack()

import numpy as np
import pandas as pd

df = pd.DataFrame({'2012': [10, 8, 11], '2013': [12, 9, 11], '2014': [11, 10, 13]},
                  index='Jan Feb Mar'.split())

result = df.stack()
dates = pd.to_datetime([' '.join(item) for item in result.index])
days = dates.days_in_month
result = (result / days).unstack()
print(result)

产量

         2012      2013      2014
Jan  0.322581  0.387097  0.354839
Feb  0.275862  0.321429  0.357143
Mar  0.354839  0.354839  0.419355

对于旧版本的Pandas（v.0.16之前），您可以使用

days = (dates + pd.DateOffset(months=1, days=-1)).day

而不是

days = dates.days_in_month

查找每个月的天数。

Answer 2

我将展示的两种方式都需要这本词典并导入：

names_to_months = {'Jan': 1, 'Feb': 2, 'Mar': 3, .... }
import calendar

这种方式可能会非常慢，具体取决于数据框的大小，但始终会返回正确的结果：
```
for index in df.index:
    for column in df.columns:
        df[column] = df[column].astype(float)
        df.at[index, column] = round(df.ix[index, column] / calendar.monthrange(int(column), names_to_months[index])[1], 4)
```
apply / map / applymap功能的问题在于他们不会提供一种简单的方法来跟踪和访问两者列名称和索引他们操作的当前单元格/行。
以下是使用apply的更快的代码，但如果同一列中有2个月或更多个月具有相同的值，则会提供错误的结果，因为{ {1}}返回np.where个np.array的索引，它找到x的值，但是没有办法存储它，并在下次遇到相同时使用下一个索引x值：
```
 for col in list(df.columns):
      df[col] = df[col].apply(lambda x: x / calendar.monthrange(int(col), names_to_months[df.index[np.where(df[col] == x)[0][0]]])[1])
```

在数据帧中应用单元格函数

2 个答案: