Question

问题：鉴于下面的数据框，我试图提出将函数应用于三个不同列的代码，而不必编写三个单独的函数调用。

数据代码：

import pandas as pd
data = {'name': ['Jason', 'Molly', 'Tina', 'Jake', 'Amy'],
    'days': [365, 365, 213, 318, 71],
    'spend_30day': [22, 241.5, 0, 27321.05, 345],
    'spend_90day': [22, 451.55, 64.32, 27321.05, 566.54],
    'spend_365day': [854.56, 451.55, 211.65, 27321.05, 566.54]}

df = pd.DataFrame(data)
cols = df.columns.tolist()
cols = ['name', 'days', 'spend_30day', 'spend_90day', 'spend_365day']
df = df[cols]
df

以下功能基本上是年度化支出;如果某人在“天”栏中的时间少于365天，则以下功能会告诉我如果他们有365天的话会花费多少钱：

def annualize_spend_365(row):
    if row['days']/(float(365)) < 1:
        return (row['spend_365day']/(row['days']/float(365)))
    else:
        return row['spend_365day']

然后我将该函数应用于特定列：

df.spend_365day = df.apply(annualize_spend_365, axis=1).round(2)
df

这完全符合我想要的那一列。但是，我不想为三个不同的“花费”列（30,90,365）中的每一个重写这个。我希望能够编写一般代码并在一次传递中将此函数应用于多个列的代码。

我以为我可以创建列的列表及其各自的日期，使用“zip”函数，并将函数嵌套在for循环中，但我的尝试最终会失败：

spend_cols = [df.spend_30day, df.spend_90day, df.spend_365day]
days_list = [30, 90, 365]

for col, day in zip(spend_cols, days_list):
    def annualize_spend(row):
        if (row.days/(float(day)) < 1:
            return (row.col)/((row.days)/float(day))
        else:
            return row.col
    col = df.apply(annualize_spend, axis = 1)

错误：

AttributeError: ("'Series' object has no attribute 'col'")

我不确定为什么循环方法失败。无论如何，我希望有关如何在熊猫中概括函数应用程序的指导。提前谢谢！

Answer 1

看看你的两个函数定义：

def annualize_spend_365(row):
    if row['days']/(float(365)) < 1:
        return (row['spend_365day']/(row['days']/float(365)))
    else:
        return row['spend_365day']

和

#col in [df.spend_30day, df.spend_90day, df.spend_365day]
def annualize_spend(row):
    if (row.days/(float(day)) < 1:
        return (row.col)/((row.days)/float(day))
    else:
        return row.col

看到区别？一方面，在第一种情况下，您使用显式字段名称访问字段，并且它可以工作。在第二种情况下，您尝试访问失败的row.col，但在这种情况下，col会假定 df中相应字段的值。而是尝试

spend_cols = ['spend_30day', 'spend_90day', 'spend_365day']

在循环之前

。另一方面，在语法df.days中，字段名称实际上是“天”，但在df.col中，字段名称不是字符串“col”，而是值字符串col。所以你可能也希望在后一种情况下使用row[col]。无论如何，我不确定将col作为输出变量放在col的循环中是多么明智。

我不熟悉pandas.DataFrame.apply，但可能会使用单个函数定义，它将天数和感兴趣的字段作为输入变量：

def annualize_spend(col,day,row):
    if (row['days']/(float(day)) < 1:
        return (row[col])/((row['days'])/float(day))
    else:
        return row[col]

spend_cols = ['spend_30day', 'spend_90day', 'spend_365day']
days_list = [30, 90, 365]

for col, day in zip(spend_cols, days_list):
    col = df.apply(lambda row,col=col,day=day: annualize_spend(col,day,row), axis = 1)

lambda将确保只有一个函数的输入参数在apply d时悬空。

在python / pandas

1 个答案: