如何对pandas DataFrame每行全列数据执行winsorize生成新列

不需要逐列手动指定列名，也不需要做复杂的格式转换，pandas行对象自带的方法可以直接转成winsorize要求的列表输入格式。

• 先导入需要的依赖

from scipy.stats.mstats import winsorize
import pandas as pd

• 核心实现逻辑
  用apply方法指定axis=1即可按行遍历全表数据，每一行的Series对象调用.tolist()就能直接转成函数要求的列表格式，传入winsorize即可，处理结果直接赋值给新列：

# 双侧各10%水平缩尾，结果存入新列
df['winsorize_result'] = df.apply(
    lambda row: winsorize(row.tolist(), limits=[0.1, 0.1]),
    axis=1
)

• 适配场景补充
  • 如果表中存在字符串、时间类非数值列，不需要手动列列名剔除，先自动筛选所有数值列参与计算即可：

    # 自动提取所有数值类型列
    num_cols = df.select_dtypes(include='number').columns
    df['winsorize_result'] = df[num_cols].apply(
        lambda row: winsorize(row.tolist(), limits=[0.1, 0.1]),
        axis=1
    )
    

  • 如果最终需要存储缩尾后的统计值（比如缩尾均值、缩尾标准差），直接在返回结果上调用对应方法即可，不需要额外存整个数组：

    # 示例：存储逐行10%缩尾后的均值
    df['winsorize_mean'] = df[num_cols].apply(
        lambda row: winsorize(row.tolist(), limits=[0.1, 0.1]).mean(),
        axis=1
    )
    

注意：如果数据集行数非常大（十万级以上），apply按行遍历的速度会偏慢，可以换用numpy向量化操作提速，但百列级、万行级规模下上面的写法完全够用，代码可读性也更高。

内容的提问来源于stack exchange，提问作者Roxanne