使用pandas 调用函数时的规则/过程是什么apply()
通过 lambda 与否?下面的例子。显然没有 lambda,整个系列( df[column name] )被传递给“test”函数,该函数在尝试对系列进行 bool 运算时会抛出错误。
如果通过 lambda 调用相同的函数,它就可以工作。迭代每一行,每行作为“x”传递,df[列名] 返回当前行中该列的单个值。
这就像 lambda 正在删除一个维度。有人对此有解释或指向特定文档吗?谢谢。
使用 lambda 的示例 1,工作正常
print("probPredDF columns:", probPredDF.columns)
def test( x, y):
if x==y:
r = 'equal'
else:
r = 'not equal'
return r
probPredDF.apply( lambda x: test( x['yTest'], x[ 'yPred']), axis=1 ).head()
示例 1 输出
probPredDF columns: Index([0, 1, 'yPred', 'yTest'], dtype='object')
Out[215]:
0 equal
1 equal
2 equal
3 equal
4 equal
dtype: object
没有 lambda 的示例 2,在系列错误 上引发 bool 运算
print("probPredDF columns:", probPredDF.columns)
def test( x, y):
if x==y:
r = 'equal'
else:
r = 'not equal'
return r
probPredDF.apply( test( probPredDF['yTest'], probPredDF[ 'yPred']), axis=1 ).head()
示例 2 输出
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
最佳答案
lambda
没有什么神奇之处.它们是一个参数中的函数,可以内联定义,并且没有名称。您可以在需要 lambda 的地方使用函数,但该函数还需要接受一个参数。你需要做一些像......
定义为:
def wrapper(x):
return test(x['yTest'], x['yPred'])
将其用作:
probPredDF.apply(wrapper, axis=1)
关于带和不带 lambda 的 pandas apply(),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43810094/