使用 Args 将函数应用于多个熊猫列

Question

我写了以下函数：

def unique_values(df, column):
unique = df[column].unique()
clean = pd.DataFrame.from_dict(unique)
clean.columns = [column]
return clean

我想将以下函数应用于 df 中的各种列。像这样：

unique1, unique2, unique3 = unique_values(df, "Column1", "Column2", "Column3")

如果我通过以下方式添加参数：

 def unique_values(df, *column):
    unique = df[column].unique()
    clean = pd.DataFrame.from_dict(unique)
    clean.columns = [column]
    return clean

并像这样应用函数：

 unique1, unique2, unique3 = unique_values(df, "Column1", "Column2", "Column3")

我收到以下错误：

KeyError: ('Column1', 'Column2', 'Column3')

任何帮助将不胜感激

Answer 1

您可以通过

迭代column来做到这一点：

def unique_values(df, *column):
    to_return=[]
    for col in column:
        unique = df[col].unique()
        clean = pd.DataFrame.from_dict(unique)
        clean.columns = [col]
        to_return.append(clean)
    return to_return
# this way this works:
unique1, unique2, unique3 = unique_values(df, "Column1", "Column2", "Column3")

Answer 2

你可以编写一个小的包装函数，用你作为参数传递的列列表调用你的unique_values()函数，如下所示：

def df_unique_values(df, *columns):
    return [unique_values(df, x) for x in columns]

此函数返回一个列表，其中包含每次调用不同列unique_values()的结果。像这样使用此函数：

unique1, unique2, unique3 = df_unique_values(df, "Column1", "Column2", "Column3")