我有一个向量,我想将一个pearson相关性应用于pandas数据帧的所有行。我正在尝试以下方法:
df.apply(apply_func, axis=1, args=(np.array([1,2,3])), raw=True)
应用func只需要两个numpy
数组并计算相关性
def apply_func(v1, v2):
#do stuff
但是当我尝试运行此
时出现以下错误ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
我在apply_func
设置了断点,我从来没有进入它。我确定我错误地使用了这种结构,但我不确定它是什么。我认为df
的每一行都将作为第一个位置参数传递给apply_func
,而args
中的任何一行都将占用其余部分。这不正确吗?
编辑我在下面创建了一个简单示例,在此示例中,apply_func
函数应该只添加两个向量。仍然会产生相同的错误
data = {'k1': [1, 2, 3], 'k2': [4, 5, 6], 'k3': [7, 8, 9]}
df = pd.DataFrame(data)
def apply_func(v1, v2):
return v1 + v2
df.apply(apply_func, axis=1, args=(np.array([1,2,3])), raw=True)
答案 0 :(得分:1)
所以能够通过找到以下帖子来解决我自己的问题
python pandas: apply a function with arguments to a series. Update
我的特殊情况产生了一个不同的错误(不明白为什么),但他们的解决方案有效。通过改变
args=(np.array([1,2,3]))
到
args=(np.array([1,2,3]),) #<-- NOTE THE COMMA
我确保args是一个元组,它是apply
函数所期望的元素,我得到了我期待的结果