在旧数据帧上使用apply函数时如何返回新数据框？

Question

如何在旧数据帧上使用apply函数返回新数据框？

输入数据（df）：

预订rolling_mean rolling_std_dev
ds city
2013-01-01 City_2 69 NaN NaN
2013-01-02 City_2 101 NaN NaN
2013-01-03 City_2 134 101.333333 32.501282
2013-01-04 City_2 155 130.000000 27.221315
2013-01-05 City_2 104 131.000000 25.632011

代码：

def f1(x):
    if (math.isnan(x.bookings) or math.isnan(x.rolling_mean) or math.isnan(x.rolling_std_dev)):
        print "Not enough information"
    elif abs(x.bookings-x.rolling_mean) > (2*x.rolling_std_dev):
        print x.bookings
        print x.rolling_mean
        print x.rolling_std_dev

df.apply(lambda x: f2(x), axis = 1)

输出：

问题：

上面的函数正确编译，没有错误。但是，当我尝试运行它时，它不会给我我想要的输出。在elif语句之后它没有打印任何东西，但它应该。此外，我不理解在输出的打印部分之后显示所有nones的数据帧。它来自哪里？

我想要什么解决方案：

返回一个包含所有符合elif语句的行的新数据框。

Answer 1

当函数调用没有显式返回任何内容时，它返回None（因为所有函数调用必须在Python中返回一些内容，并且默认返回值为None，如果函数没有显式返回）。

这就是您获得所有None的数据框的原因。我不认为你可以用apply来实现你想要的，因为apply()轴1实际上为每一行运行函数并用返回值替换该行（当你看你的情况。）

您尝试做的事情可以使用 -

以矢量化方式实现

newdf = df.dropna()
result = newdf[(newdf['bookings'] - newdf['rolling_mean']) > (2 * newdf['rolling_std_dev'])]

说明 -

• df.dropna() - 此函数会删除其中包含NaN值的任何行
• 下一行对系列进行布尔比较（对每个元素进行相同的bool比较并返回一个布尔系列），然后它boolean indexing。

演示（我更改了一行，以便至少有一行符合条件） -

In [50]: df
Out[50]:
                   bookings  rolling_mean  rolling_std_dev
ds         city
2013-01-01 City_2        69           NaN              NaN
2013-01-02 City_2       101           NaN              NaN
2013-01-03 City_2       134    101.333333        32.501282
2013-01-04 City_2       155    130.000000        27.221315
2013-01-05 City_2      1000    131.000000        25.632011

In [51]: newdf = df.dropna()

In [52]: result = newdf[(newdf['bookings'] - newdf['rolling_mean']) > (2 * newdf['rolling_std_dev'])]

In [53]: result
Out[53]:
                   bookings  rolling_mean  rolling_std_dev
ds         city
2013-01-05 City_2      1000           131        25.632011