In [11]: df.apply(lambda row: windchill(row['Temperature'], row['Wind Speed']),
axis=1)
Out[11]:
2003-03-01 06:00:00-05:00 24.794589
2003-03-01 07:00:00-05:00 25.136527
2003-03-01 08:00:00-05:00 25.934114
2003-03-01 09:00:00-05:00 28.219431
2003-03-01 10:00:00-05:00 29.505105
In [12]: df['Wind Chill'] = df.apply(lambda row: windchill(row['Temperature'], row['Wind Speed']),
axis=1)
In [13]: df
Out[13]:
Day Temperature Wind Speed Year Wind Chill
2003-03-01 06:00:00-05:00 1 30.27 5.27 2003 24.794589
2003-03-01 07:00:00-05:00 1 30.21 4.83 2003 25.136527
2003-03-01 08:00:00-05:00 1 31.81 6.09 2003 25.934114
2003-03-01 09:00:00-05:00 1 34.04 6.61 2003 28.219431
2003-03-01 10:00:00-05:00 1 35.31 6.97 2003 29.505105
@H_404_4@。
为了进一步说明混淆的原因，我认为这是因为行变量是 ，因此更改不会传播：
In [21]: for _, row in df.iterrows(): row['Day'] = 2
@H_404_4@我们看到，它正在改变 ，该row@H_404_4@变量（S）：
In [22]: row
Out[22]:
Day 2.00
Temperature 35.31
Wind Speed 6.97
Year 2003.00
Name: 2003-03-01 10:00:00-05:00
@H_404_4@Bu他们不更新到DataFrame：
In [23]: df
Out[23]:
Day Temperature Wind Speed Year
2003-03-01 06:00:00-05:00 1 30.27 5.27 2003
2003-03-01 07:00:00-05:00 1 30.21 4.83 2003
2003-03-01 08:00:00-05:00 1 31.81 6.09 2003
2003-03-01 09:00:00-05:00 1 34.04 6.61 2003
2003-03-01 10:00:00-05:00 1 35.31 6.97 2003
@H_404_4@In [24]: row = df.ix[0] # also a copy
In [25]: row['Day'] = 2
@H_404_4@而如果我们采取以下 ：（我们将看到一个 变化 df@H_404_4@。）
In [26]: row = df.ix[2:3] # this one's a view
In [27]: row['Day'] = 3
@H_404_4@请参阅返回视图与副本（在文档中）。
602392714
清零编程群