Stosowanie funkcji z wieloma argumentami w celu utworzenia nowej kolumny pandy

Chcę utworzyć nową kolumnę w pandasramce danych, stosując funkcję do dwóch istniejących kolumn. Po tej odpowiedzi udało mi się utworzyć nową kolumnę, gdy potrzebuję tylko jednej kolumny jako argumentu:

import pandas as pd
df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})

def fx(x):
    return x * x

print(df)
df['newcolumn'] = df.A.apply(fx)
print(df)

Jednak nie mogę dowiedzieć się, jak zrobić to samo, gdy funkcja wymaga wielu argumentów. Na przykład, jak utworzyć nową kolumnę, przekazując kolumnę A i kolumnę B do poniższej funkcji?

def fxy(x, y):
    return x * y

Alternatywnie możesz użyć podstawowej funkcji numpy:

>>> import numpy as np
>>> df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})
>>> df['new_column'] = np.multiply(df['A'], df['B'])
>>> df
    A   B  new_column
0  10  20         200
1  20  30         600
2  30  10         300

lub wektoryzuj dowolną funkcję w ogólnym przypadku:

>>> def fx(x, y):
...     return x*y
...
>>> df['new_column'] = np.vectorize(fx)(df['A'], df['B'])
>>> df
    A   B  new_column
0  10  20         200
1  20  30         600
2  30  10         300

Możesz skorzystać z przykładu @greenAfrican, jeśli możesz przepisać swoją funkcję. Ale jeśli nie chcesz przepisać swojej funkcji, możesz zawinąć ją w anonimową funkcję wewnątrz Apply, na przykład:

>>> def fxy(x, y):
...     return x * y

>>> df['newcolumn'] = df.apply(lambda x: fxy(x['A'], x['B']), axis=1)
>>> df
    A   B  newcolumn
0  10  20        200
1  20  30        600
2  30  10        300

To rozwiązuje problem:

df['newcolumn'] = df.A * df.B

Możesz też:

def fab(row):
  return row['A'] * row['B']

df['newcolumn'] = df.apply(fab, axis=1)

Jeśli chcesz utworzyć wiele kolumn jednocześnie :

1. Utwórz ramkę danych:

   import pandas as pd
   df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})

2. Utwórz funkcję:

   def fab(row):                                                  
       return row['A'] * row['B'], row['A'] + row['B']

3. Przypisz nowe kolumny:

   df['newcolumn'], df['newcolumn2'] = zip(*df.apply(fab, axis=1))

Jeszcze jedna czysta składnia w stylu dyktowania:

df["new_column"] = df.apply(lambda x: x["A"] * x["B"], axis = 1)

lub,

df["new_column"] = df["A"] * df["B"]