Pandas：如何将函数应用于不同的列

假设这是我的功能：

def function(x):
    return x.str.lower()

这是我的数据框（df）

   A         B     C       D 
0  1.67430   BAR  0.34380  FOO 
1  2.16323   FOO -2.04643  BAR
2  0.19911   BAR -0.45805  FOO
3  0.91864   BAR -0.00718  BAR
4  1.33683   FOO  0.53429  FOO
5  0.97684   BAR -0.77363  BAR

我想将该函数仅应用于列B and D。 （将其应用于完整的 DataFrame 并不是答案，因为这会在数字列中产生 NaN 值）。

这是我的基本想法：df.apply(function, axis=1)

但我无法理解如何选择不同的列来应用该函数。我已经尝试过按数字位置、名称等进行索引的各种方式。

我花了相当多的时间阅读这方面的内容。这不是以下任何一个的直接重复：

如何将函数应用于 Pandas 数据框的两列

Pandas：如何对多列使用应用函数

Pandas：将不同的函数应用于不同的列

Python Pandas：使用“apply”将 1 个函数应用于多列

只需从 df 中子选择列，忽略axis参数我们按列操作而不是按行操作，这将很重要，因为这里的行多于列：

df[['B','D']].apply(function)

这将针对每一列运行您的函数

In [186]:
df[['B','D']].apply(function)

Out[186]:
     B    D
0  bar  foo
1  foo  bar
2  bar  foo
3  bar  bar
4  foo  foo
5  bar  bar

您还可以过滤 df 以仅获取字符串 dtype 列：

In [189]:
df.select_dtypes(include=['object']).apply(function)

Out[189]:
     B    D
0  bar  foo
1  foo  bar
2  bar  foo
3  bar  bar
4  foo  foo
5  bar  bar

Timings

列式与行式：

In [194]:    
%timeit df.select_dtypes(include=['object']).apply(function, axis=1)
%timeit df.select_dtypes(include=['object']).apply(function)

100 loops, best of 3: 3.42 ms per loop
100 loops, best of 3: 2.37 ms per loop

然而，对于更大的 dfs（按行），第一种方法的扩展性会更好