为什么我的熊猫'应用'函数引用多列工作吗?

我有一些问题与熊猫应用功能，当使用多个列与以下数据框架

df = DataFrame ({'a' : np.random.randn(6),
'b' : ['foo', 'bar'] * 3,
'c' : np.random.randn(6)})

下面的函数

def my_test(a, b):
return a % b

当我试图应用这个函数与:

df['Value'] = df.apply(lambda row: my_test(row[a], row[c]), axis=1)

我得到了错误信息:

NameError: ("global name 'a' is not defined", u'occurred at index 0')

我不理解这条消息，我正确地定义了名称。

如果在这个问题上有任何帮助，我将不胜感激

更新

谢谢你的帮助。我确实犯了一些语法错误的代码，索引应该放在”。然而，我仍然得到相同的问题使用更复杂的函数，如:

def my_test(a):
cum_diff = 0
for ix in df.index():
cum_diff = cum_diff + (a - df['a'][ix])
return cum_diff
429592 次浏览
小开

如果你只想计算(列a) %(列b)，你不需要apply，直接这样做:

In [7]: df['a'] % df['c']
Out[7]:
0   -1.132022
1   -0.939493
2    0.201931
3    0.511374
4   -0.694647
5   -0.023486
Name: a
小开
最佳答案

似乎你忘记了你的字符串的''。

In [43]: df['Value'] = df.apply(lambda row: my_test(row['a'], row['c']), axis=1)


In [44]: df
Out[44]:
a    b         c     Value
0 -1.674308  foo  0.343801  0.044698
1 -2.163236  bar -2.046438 -0.116798
2 -0.199115  foo -0.458050 -0.199115
3  0.918646  bar -0.007185 -0.001006
4  1.336830  foo  0.534292  0.268245
5  0.976844  bar -0.773630 -0.570417

顺便说一句，在我看来，以下方式更优雅:

In [53]: def my_test2(row):
....:     return row['a'] % row['c']
....:


In [54]: df['Value'] = df.apply(my_test2, axis=1)
小开

假设我们想对DataFrame df的列'a'和'b'应用一个函数add5

def add5(x):
return x+5


df[['a', 'b']].apply(add5)
小开

上面所有的建议都有效，但如果你想让你的计算更有效，你应该利用numpy向量运算(如上所述)。

import pandas as pd
import numpy as np




df = pd.DataFrame ({'a' : np.random.randn(6),
'b' : ['foo', 'bar'] * 3,
'c' : np.random.randn(6)})

例1:使用pandas.apply()进行循环:

%%timeit
def my_test2(row):
return row['a'] % row['c']


df['Value'] = df.apply(my_test2, axis=1)
最慢的跑步时间是最快的跑步时间的7.49倍。这可能 意味着正在缓存中间结果。1000个循环，最好的 3:4 81µs / loop

例2:使用pandas.apply()向量化:

%%timeit
df['a'] % df['c']
最慢的跑步时间是最快的跑步时间的458.85倍。这可能 意味着正在缓存中间结果。10000个循环，最好的 3: 70.9µs / loop

例3:使用numpy数组向量化:

%%timeit
df['a'].values % df['c'].values
最慢的跑步时间是最快的跑步时间的7.98倍。这可能 意味着正在缓存中间结果。100000循环，最好 3: 6.39µs / loop

因此，使用numpy数组进行向量化将速度提高了近两个数量级。

小开

这与前面的解决方案相同，但我在df中定义了函数。应用本身:

df['Value'] = df.apply(lambda row: row['a']%row['c'], axis=1)
小开

我已经给出了上面讨论的所有三个的比较

使用值

%timeit df['value'] = df['a'].values % df['c'].values

139 µs ± 1.91 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

Without values

%timeit df['value'] = df['a']%df['c']

216µs±1.86µs / loop(平均±std. dev. 7次运行，每个循环1000次)

应用函数

%timeit df['Value'] = df.apply(lambda row: row['a']%row['c'], axis=1)

474 µs ± 5.07 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)


提交答案