熊猫：如何将函数应用于不同的列
问题内容：
假设这是我的功能：
def function(x):
return x.str.lower()
这是我的DataFrame（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
我想将此功能仅应用于列B和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)
但是我无法理解如何选择不同的列来应用该功能。我尝试了通过数字位置，名称等进行所有索引的方式。
我花了很多时间阅读此内容。这不是以下任何一项的直接重复：
问题答案：
只需从df中选择列，通过忽略axis参数，我们将按列而不是按行进行操作，这将非常重要，因为此处的行数多于列数：
df[['B','D']].apply(function)
这将对每个列运行您的func
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
时机
按列与按行：
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
但是，对于较大的dfs（逐行），第一种方法的伸缩性会好得多
