在实际情况下可能不是安排数据的最佳方式,但它是一个很好的例子:
In [16]:
import operator
In [17]:
DF=pd.DataFrame({'Val1':[[2013, 37722.322],[1998, 32323.232]],
'Val2':[[2013, 37722.322],[1998, 32323.232]]})
In [18]:
print DF
Val1 Val2
0 [2013, 37722.322] [2013, 37722.322]
1 [1998, 32323.232] [1998, 32323.232]
[2 rows x 2 columns]
apply
给出了错误的结果
In [19]:
print DF.apply(operator.itemgetter(-1), axis=1)
Val1 Val2
0 2013 37722.322
1 1998 32323.232
[2 rows x 2 columns]
但是 applymap
给出了正确的结果!
In [20]:
print DF.applymap(operator.itemgetter(-1))
Val1 Val2
0 37722.322 37722.322
1 32323.232 32323.232
[2 rows x 2 columns]
为什么会这样?
最佳答案
如果你使用,更容易看到发生了什么
df = pd.DataFrame({'Val1':[[1, 2],[3, 4]],
'Val2':[[5, 6],[7, 8]]})
Val1 Val2
0 [1, 2] [5, 6]
1 [3, 4] [7, 8]
df.apply(operator.itemgetter(-1), axis=1)
在每一行上调用 operator.itemgetter(-1)
。
例如,在第一行,operator.itemgetter(-1)
返回最后一项,即 [5, 6]
。
因为这个值是可迭代的,所以它的值被分配给 Val1
和 Val2
两列。所以结果是
In [149]: df.apply(operator.itemgetter(-1), axis=1)
Out[149]:
Val1 Val2
0 5 6
1 7 8
相比之下,applymap
分别对 DataFrame 中的每个单元格进行操作,因此 operator.itemgetter(-1)
返回每个单元格的最后一项。
In [150]: df.applymap(operator.itemgetter(-1))
Out[150]:
Val1 Val2
0 2 6
1 4 8
关于python - apply 与 operator.itemgetter 与 apply 的不一致行为applymap operator.itemgetter,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23025084/