Question

我是否有办法使用numpy.array（或pandas.DataFrame）的变体numpy.apply（或scipy）使用像norm.cdf 这样的scipy函数 1}}，numpy.apply_along_axs等？

背景是，我有一个z得分值表，我想将其转换为规范分布的CDF值。我目前正使用Name Val1 Val2 Val3 Val4 0 A -1.540369 -0.077779 0.979606 -0.667112 1 B -0.787154 0.048412 0.775444 -0.510904 2 C -0.477234 0.414388 1.250544 -0.411658 3 D -1.430851 0.258759 1.247752 -0.883293 4 E -0.360181 0.485465 1.123589 -0.379157中的norm.cdf进行此操作。

我目前正在操作具有非数字值的数据框。

Name

（使set变量成为索引是一种解决方案，但在我的实际数据集中，名称不是字母字符。）

要仅修改数字数据，我使用df._get_numeric_data()私有函数返回包含数据框数字数据的数据框。但是，没有norm.cdf(df._get_numeric_data)功能。因此，如果我打电话

df

这不会改变norm.cdf的原始数据。

我试图通过将{{1}}应用于数字数据框 inplace 来避免这种情况，因此这会更改我的原始数据集。

Answer 1

我认为我希望select_dtypes超过_get_numeric_data：

In [11]: df.select_dtypes(include=[np.number])
Out[11]:
       Val1      Val2      Val3      Val4
0 -1.540369 -0.077779  0.979606 -0.667112
1 -0.787154  0.048412  0.775444 -0.510904
2 -0.477234  0.414388  1.250544 -0.411658
3 -1.430851  0.258759  1.247752 -0.883293
4 -0.360181  0.485465  1.123589 -0.379157

虽然申请不提供就地，但您可以做以下事情（我认为这样更明确）：

num_df = df.select_dtypes(include=[np.number])
df[num_df.columns] = norm.cdf(num_df.values)

如何将函数应用于数据框到位

1 个答案: