对pandas DataFrame的不同列执行不同的操作

可以通过使用apply()函数结合lambda表达式来实现。apply()函数可以对DataFrame的每一列进行操作，并将操作的结果返回。

下面是一个示例代码，展示如何对DataFrame的不同列执行不同的操作：

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3, 4, 5],
        'B': [10, 20, 30, 40, 50],
        'C': [100, 200, 300, 400, 500]}

df = pd.DataFrame(data)

# 对不同列执行不同的操作
df['A'] = df['A'].apply(lambda x: x * 2)  # 对列'A'中的每个元素乘以2
df['B'] = df['B'].apply(lambda x: x + 10)  # 对列'B'中的每个元素加上10
df['C'] = df['C'].apply(lambda x: x ** 2)  # 对列'C'中的每个元素进行平方操作

print(df)

输出结果为：

    A   B       C
0   2  20   10000
1   4  30   40000
2   6  40   90000
3   8  50  160000
4  10  60  250000

在这个示例中，我们使用了lambda表达式来定义对每一列的操作。通过apply()函数，我们可以对DataFrame的每一列进行操作，并将操作的结果赋值给相应的列。

对于pandas DataFrame的不同列执行不同的操作的应用场景包括数据清洗、特征工程、数据转换等。在实际应用中，根据具体的需求，可以使用apply()函数结合lambda表达式来实现各种复杂的操作。

腾讯云相关产品和产品介绍链接地址：

• 腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm
• 腾讯云云数据库 MySQL 版：https://cloud.tencent.com/product/cdb_mysql
• 腾讯云人工智能平台（AI Lab）：https://cloud.tencent.com/product/ailab
• 腾讯云物联网平台（IoT Hub）：https://cloud.tencent.com/product/iothub
• 腾讯云移动开发平台（移动推送）：https://cloud.tencent.com/product/umeng
• 腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
• 腾讯云区块链服务（BCS）：https://cloud.tencent.com/product/bcs
• 腾讯云元宇宙服务（Tencent Real-Time Rendering (TRTR)）：https://cloud.tencent.com/product/trtr