如何在Pandas中用当前行median值处理mean_values列表生成new_list列

问题分析 #

你之前的代码错误在于：仅对mean_values列单独使用apply，在map中传入的table['median']是整个列的数据集，导致mean_values列表里的第n个元素会匹配median列的第n行值，而非当前行的median，所以只有第一个元素计算正确，后续元素用了其他行的中位数。

解决方案 #

需要针对DataFrame的每一行进行整体处理，同时获取当前行的mean_values列表和median值，再对列表内元素逐一计算绝对值差。

方法一：自定义行处理函数 #

import pandas as pd

# 构造示例数据
table = pd.DataFrame({
    'mean_values': [[2,2,3,6,7], [1,4,5], [8,2]],
    'median': [3, 4, 5]
})

def process_row(row):
    # 获取当前行的中位数
    current_median = row['median']
    # 遍历列表计算每个元素与中位数的差的绝对值
    return [abs(num - current_median) for num in row['mean_values']]

# 按行应用函数，axis=1表示按行处理
table['new_list'] = table.apply(process_row, axis=1)

方法二：简化为lambda表达式 #

如果不想单独定义函数，也可以用一行lambda实现：

table['new_list'] = table.apply(lambda row: [abs(num - row['median']) for num in row['mean_values']], axis=1)

验证结果 #

运行后示例DataFrame的new_list列会得到：

• 第一行：[1,1,0,3,4]
• 第二行：[3,0,1]
• 第三行：[3,3]
  完全符合需求。

内容的提问来源于stack exchange，提问作者rg64