在数据框的特定列上应用函数

Question

def include_mean():

    if pd.isnull('Age'):

        if 'Pclass'==1:

            return 38

        elif 'Pclass'==2:

            return 30

        elif 'Pclass'==3:

            return 25

        else: return 'Age'

train['Age']=train[['Age','Pclass']].apply(include_mean(),axis=1)

为什么上面的代码给我一个类型错误。

 TypeError: ("'NoneType' object is not callable", 'occurred at index 0')

我现在知道正确的代码是

def impute_age(cols):

    Age = cols[0]

    Pclass = cols[1]

    if pd.isnull(Age):

if Pclass == 1:

            return 37

elif Pclass == 2:

            return 29

else:

            return 24

else:

        return Age

train['Age'] = train[['Age','Pclass']].apply(impute_age,axis=1)

现在我想知道为什么需要进行更改，即更改背后的确切原因。'cols' 在这里做什么。

Answer 1

sttps://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.apply.html当您在applypanda 数据帧上使用该方法时，您传递给 apply 的函数会在每一列（或每一行，取决于axis默认为0列轴的参数）上调用。因此，您的函数必须具有apply将传递给它的行的参数。def include_mean():    if pd.isnull('Age'):        if 'Pclass'==1:            return 38        elif 'Pclass'==2:            return 30        elif 'Pclass'==3:            return 25        else: return 'Age'这有几个问题。'Pclass'==1:保证为False，因为您正在比较一个字符串( 'Pclass') 和一个整数( 1)，它们不能相等。您想要的是比较Pclass列条目的值，您可以通过索引列来检索它：col["Pclass"]，或者col[1]如果Pclass是第二列。如果pd.isnull('Age')是False，则函数返回None。由于字符串'Age'不为空，因此应该始终如此。当你这样做时d.apply(include_mean())，你正在调用include_mean，它返回None，然后将该值传递给apply. 但apply需要一个可调用的（例如一个函数）。在else子句中，您将返回 string 'Age'。'Age'这意味着您的数据框将在某些单元格中具有值。您的第二个示例解决了这些问题： impute_age 函数现在为 row( ) 提供一个参数，查找和比较colstheAge和列的值，然后您传递该函数而不调用该方法。Pclassapply

Answer 2

欢迎来到 Python。要回答您的问题，尤其是在开始阶段，有时您只需要打开一个新的 IPython 笔记本并尝试一下：In [1]: import pandas as pd   ...: def function(x):   ...:     return x+1   ...:   ...: df = pd.DataFrame({'values':range(10)})   ...: print(df)   ...:   values0       01       12       23       34       45       56       67       78       89       9In [2]: print(df.apply(function))   values0       11       22       33       44       55       66       77       88       99      10在您的问题中，cols是您循环的每一行的值。

Answer 3

不要使用apply(axis=1). 相反，您应该使用.loc. 这是顶壳的简单映射。m = train.Age.isnull()d = {1: 38, 2: 30, 3: 25}train.loc[m, 'Age'] = train.loc[m, 'Pclass'].map(d)对于底部情况，因为else我们可以使用np.select. 它的工作方式是我们创建一个条件列表，它遵循 if、elif else 逻辑的顺序。然后我们提供一个选择列表，当我们遇到第一个时可以从中选择True。由于您有嵌套逻辑，我们需要首先取消嵌套它，以便它在逻辑上读作if age is null and pclass == 1elif age is null and pclass == 2elif age is null else样本数据import pandas as pdimport numpy as npdf = pd.DataFrame({'Age': [50, 60, 70, np.NaN, np.NaN, np.NaN, np.NaN],                   'Pclass': [1, 1, 1, 1, 2, np.NaN, 1]})#    Age  Pclass#0  50.0     1.0#1  60.0     1.0#2  70.0     1.0#3   NaN     1.0#4   NaN     2.0#5   NaN     NaN#6   NaN     1.0m = df.Age.isnull()conds = [m & df.Pclass.eq(1),         m & df.Pclass.eq(2),         m]choices = [37, 29, 24]df['Age'] = np.select(conds, choices, default=df.Age)                                      # |                                      # Takes care of else, i.e. Age not nullprint(df)#    Age  Pclass#0  50.0     1.0#1  60.0     1.0#2  70.0     1.0#3  37.0     1.0#4  29.0     2.0#5  24.0     NaN#6  37.0     1.0