python - 让函数在数据帧的每一行上工作(pandas)

Question

我想将数据框中列的每个单元格传递给一个函数，然后该函数创建一个新单元格

我看过here和 here但这些并不能解决我的问题。

我正在使用obscure package所以我将使用基础包来简化提出问题的方法，希望问题会很清楚。

方法:

加载数据

import pandas as pd
import math

df = pd.DataFrame(np.random.randint(0,100,size=(100, 4)), columns=list('ABCD'))

将一列的值传递给变量

lat = df['A']

通过将函数应用于变量来创建新列

df['sol'] = df.apply(math.sqrt(lat))

这给出了错误

TypeError: cannot convert the series to <type 'float'>

我使用 pyeto 包时遇到的错误实际上是

Traceback (most recent call last):

File "<ipython-input-10-b160408e9808>", line 1, in <module>
data['sol_dec'] = data['dayofyear'].apply(pyeto.sol_dec(data['dayofyear']), axis =1)            # Solar declination

File "build\bdist.win-amd64\egg\pyeto\fao.py", line 580, in sol_dec
_check_doy(day_of_year)

File "build\bdist.win-amd64\egg\pyeto\_check.py", line 36, in check_doy
if not 1 <= doy <= 366:

File "C:\Users\AppData\Local\Continuum\Anaconda\lib\site-packages\pandas\core\generic.py", line 731, in __nonzero__
.format(self.__class__.__name__))

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().`

我认为这两种情况下的问题是相同的，该函数不会应用于数据帧列中的每个单元格，并产生错误。

我希望能够将函数应用于数据框列的每个单元格(即获取“A”列中每个单元格的平方根)。然后将此函数的结果存储为变量(或数据框中的另一列，即具有“sqrtA”列)，然后将函数应用于该变量(或列)等等(即有一个新列“sqrtA” *100'。

我不知道如何做到这一点，非常感谢指导。

编辑

@EdChum 的回答 df['A'].apply(math.sqrt)或data['dayofyear'].apply(pyeto.sol_dec) (对于封装功能)帮助很大。

我现在遇到了包中另一个需要多个参数的函数的问题:

sha = pyeto.sunset_hour_angle(lat, sol_dec)

此函数不适用于数据框列，我有 lat和sol_dec存储为系列变量，但是当我尝试使用这些变量在数据框中创建新列时

data['sha'] = pyeto.sunset_hour_angle(lat, sol_dec)我遇到了和以前一样的错误...

尝试将该函数应用于多列:

data['sha'] = data[['lat'],['sol_dec']].apply(pyeto.sunset_hour_angle)

给出错误:

Traceback (most recent call last):

File "<ipython-input-28-7b603745af93>", line 1, in <module>
data['sha'] = data[['lat'],['sol_dec']].apply(pyeto.sunset_hour_angle)

File "C:\Users\AppData\Local\Continuum\Anaconda\lib\site-packages\pandas\core\frame.py", line 1969, in __getitem__
return self._getitem_column(key)

File "C:\Users\AppData\Local\Continuum\Anaconda\lib\site-packages\pandas\core\frame.py", line 1976, in _getitem_column
return self._get_item_cache(key)

File "C:\Users\pflattery\AppData\Local\Continuum\Anaconda\lib\site-packages\pandas\core\generic.py", line 1089, in _get_item_cache
res = cache.get(item)

TypeError: unhashable type: 'list'

Answer 1

使用np.sqrt，因为它可以理解数组:

In [86]:
df = pd.DataFrame(np.random.randint(0,100,size=(100, 4)), columns=list('ABCD'))
df['sol'] = np.sqrt(df['A'])
df

Out[86]:
     A   B   C   D       sol
0   52  38   4  71  7.211103
1   59   4  36  15  7.681146
2   37  28  33  73  6.082763
3   58  26   4  96  7.615773
4   31  48  47  78  5.567764
5   43  58  45   4  6.557439
6   69  35  27  39  8.306624
..  ..  ..  ..  ..       ...
98  42   6  40  36  6.480741
99  22  44  11  24  4.690416

[100 rows x 5 columns]

要应用您可以执行的功能:

In [87]:
import math
df['A'].apply(math.sqrt)

Out[87]:
0     7.211103
1     7.681146
2     6.082763
3     7.615773
4     5.567764
5     6.557439
6     8.306624
7     7.483315
8     7.071068
9     9.486833
        ...   
95    3.464102
96    6.855655
97    5.385165
98    6.480741
99    4.690416
Name: A, dtype: float64

您尝试的是将 Series 传递给 math.sqrt 但 math.sqrt 不理解非标量值，因此错误。另外，当存在矢量化方法时，您应该避免使用 apply ，因为这对于 10K 行 df 来说会更快:

In [90]:
%timeit df['A'].apply(math.sqrt)
%timeit np.sqrt(df['A'])

100 loops, best of 3: 2.15 ms per loop
10000 loops, best of 3: 99.7 µs per loop

在这里您可以看到 numpy 版本的速度快了约 22 倍

关于您想要做的事情，以下内容应该有效:

data['dayofyear'].apply(pyeto.sol_dec)

编辑

将多列作为参数传递给方法:

data.apply(lambda x: pyeto.sunset_hour_angle(x['lat'],x['sol_dec']), axis=1)