对大熊猫数据框中的列使用map（）

150

Vishesh Shrivastav：

我的数据框中有一些列，我只想保留日期部分并删除时间部分。我列出了这些列：

list_of_cols_to_change = ['col1','col2','col3','col4']

我已经为此编写了一个函数。它采用列列表，并将dt.date应用于列表中的每一列。

def datefunc(x):
    for column in x:
        df[column] = df[column].dt.date

然后，我通过将此列表作为参数来调用此函数：

datefunc(list_of_cols_to_change )

我想使用诸如map（）之类的方法来完成此任务。基本上使用将列作为参数并对其进行更改的函数。然后，我想使用map（）将此功能应用于我拥有的列的列表。像这样：

def datefunc_new(column):
    df[column] = df[column].dt.date

map(datefunc_new,list_of_cols_to_change)

但是，这不起作用。我该如何工作？

耶斯雷尔：

最简单的是使用lambda功能apply：

df = pd.DataFrame({'col1':pd.date_range('2015-01-02 15:00:07', periods=3),
                   'col2':pd.date_range('2015-05-02 15:00:07', periods=3),
                   'col3':pd.date_range('2015-04-02 15:00:07', periods=3),
                   'col4':pd.date_range('2015-09-02 15:00:07', periods=3),
                   'col5':[5,3,6],
                   'col6':[7,4,3]})

print (df)
                 col1                col2                col3  \
0 2015-01-02 15:00:07 2015-05-02 15:00:07 2015-04-02 15:00:07   
1 2015-01-03 15:00:07 2015-05-03 15:00:07 2015-04-03 15:00:07   
2 2015-01-04 15:00:07 2015-05-04 15:00:07 2015-04-04 15:00:07   

                 col4  col5  col6  
0 2015-09-02 15:00:07     5     7  
1 2015-09-03 15:00:07     3     4  
2 2015-09-04 15:00:07     6     3  

list_of_cols_to_change = ['col1','col2','col3','col4']
df[list_of_cols_to_change] = df[list_of_cols_to_change].apply(lambda x: x.dt.date)
print (df)
         col1        col2        col3        col4  col5  col6
0  2015-01-02  2015-05-02  2015-04-02  2015-09-02     5     7
1  2015-01-03  2015-05-03  2015-04-03  2015-09-03     3     4
2  2015-01-04  2015-05-04  2015-04-04  2015-09-04     6     3

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。