python - 将 apply() 与 Pandas 系列一起使用

Question

我有以下代码:

import pandas as pd
frame = pd.DataFrame(np.random.randn(4,3), columns=list('bde'),index=['Utah','Ohio','Texas','Oregon'])

frame

b   d   e
Utah    0.479210    0.161892    -1.315375
Ohio    -0.572543   0.080203    -0.446178
Texas   0.052954    0.043417    0.365056
Oregon  1.462631    0.244453    2.207720

f = lambda x: x.max()-x.min() 
frame.apply(f)

这导致:

b    2.035174
d    0.201035
e    3.523095
dtype: float64

我试图学习如何仅将 lambda 应用于特定列，因此我只想将 lambda 应用于“d”列。这就是我所做的

frame['d'].apply(f)

但它会导致错误: AttributeError: 'float' 对象没有属性 'max'

type(frame['d'])
pandas.core.series.Series

frame['d'].dtype
dtype('float64')

我尝试调试它。看起来 frame['d'] 是 Series 类型，这个系列中的每个值都是一个 float ，而一个 float 没有最小/最大属性。

我以为我只是错过了一些简单的东西，但我对 Python 和 Pandas 的有限了解让我很难过。我如何才能将 lambda 仅应用于“d”列？

Answer 1

问题是 .apply 对一个 Series 有效 elementwise，在一个 DataFrame 中它按 series 或按行。如果你真的想以这种方式使用 .apply，你可以像这样子集:

In [9]: frame.loc[:,['d']]
Out[9]: 
               d
Utah    2.259488
Ohio    0.458926
Texas  -0.072635
Oregon  0.470217

In [10]: type(frame.loc[:,['d']])
Out[10]: pandas.core.frame.DataFrame

返回一个DataFrame。那么你可以简单地做:

In [11]: frame.loc[:,['d']].apply(lambda x: x.max()-x.min())
Out[11]: 
d    2.332124
dtype: float64

请注意，为简洁起见，您可以简单地使用 frame[['d']]，但这更有意义:

In [12]: frame.d.max() - frame.d.min()
Out[12]: 2.3321235565383334

ETA:事实上，即使是整个DataFrame，在这种情况下你真的不需要apply，它肯定会比下面的慢:

In [19]: frame.max() - frame.min()
Out[19]: 
b    3.337040
d    2.332124
e    2.224037
dtype: float64