前言
数据处理中，按行排列的列名可以提供更直观的数据探索和分析方式。
你可以逐行查看列名，了解每列的含义和特征，有助于更好地理解数据集的结构和内容。
需求：
- 需要增加一列「分布方式」，每行的值是本行基金名称对应列名及数量，顺序按照值大小，值为 0 的不显示
思路：
- 先用 apply() 按行，将构成每行 Series 转为字典，这时字典的键为列名，值为数值。
- 接着用列表推导式过滤值为 0 的项，得到一个列表。
- 再用 join() 方法用顿号 、 将列表的所有项连接起来。
- 最后将得到的结果指定为一个列。
使用步骤
读入数据
代码如下（示例）：
mport io
import pandas as pddata = '''
基金名称 电子 传媒 计算机基金A 1 6 7基金B 0 3 8基金C 7 0 9'''df = pd.read_csv(io.StringIO(data), delim_whitespace=True) #通过指定delim_whitespace=True参数来指示使用空格作为分隔符
df
# 代码：
# 先设置基金名称为索引，这时基金名称就不参加行的计算，仅值进行计算。
# 用 apply() 按行将每行 Series 进行排序，最后转为字典：
(df.set_index('基金名称').apply(lambda x: x.sort_values(ascending=False).to_dict(), axis=1) #对每个基金的投资分布按照降序排序，并转换成字典的形式
)
# 通过列表推导式，将值为 0 的过滤，得到列表：
(df.set_index('基金名称').apply(lambda x: x.sort_values(ascending=False).to_dict(), axis=1).map(lambda x: [f'{k}({v})' for k,v in x.items() if v>0])
)
# 用中文顿号连接列表的项：
# 使用map()函数将每个Series对象中的字符串用'、'连接起来，形成一个新的字符串
col = (df.set_index('基金名称').apply(lambda x: x.sort_values(ascending=False).to_dict(), axis=1).map(lambda x: [f'{k}({v})' for k,v in x.items() if v>0]).map('、'.join)
)
col
# 将得到的列值指定到数据中：
df.assign(行业分布=col.array) # col.array表示将列数据以数组的形式添加到DataFrame对象中
总结
以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
