Question

在下面的示例中，第一个应用有效。第二个引发“TypeError :(”无法根据规则'safe'“将数组数据从dtype（'float64'）转换为dtype（'int64'），”u'occurred at index 0'“

df = pd.DataFrame({'lag':[ 3, 5, 3, 4, 2, 3, 2, 3, 4, 3, 2, 2, 2, 3],
                   'A':[10,20,30,40,20,30,40,10,20,30,15,60,20,15],
                   'B':[11,21,31,41,21,31,41,11,21,31,15,61,21,25]})
df['C'] = df.apply(lambda x: df['A'].shift(x['lag'])[x.name], axis=1)
print df
df['D'] = df.apply(lambda x: df['B'].shift(x['lag'])[x.name], axis=1)
print df

请告诉我为什么会发生这种情况以及如何解决这个问题。谢谢，

（注意：我没有足够的“积分”在Variable shift in Pandas）

发表评论

Answer 1

这实际上是一件棘手的事情。我会尝试简洁。

当apply与axis=1一起使用时，您将逐行迭代。对于每一行，pandas将其处理为pd.Series。在初始分配后，您将NaN值放在df中。当访问该行时，整行将被解释为float

解决＃1
确保滞后值为int

df['D'] = df.apply(lambda x: df['B'].shift(int(x['lag']))[x.name], axis=1)

解决＃2
同时做作业

df = df.assign(
    C=df.apply(lambda x: df['A'].shift(x['lag'])[x.name], axis=1),
    D=df.apply(lambda x: df['B'].shift(int(x['lag']))[x.name], axis=1)
)

更好的解决方案
但是，我使用numpy来帮助解决此问题

这些滞后只是当前位置值减去滞后值

l = (np.arange(len(df)) - df.lag.values)

然后

df['C'] = np.where(l >= 0, df.A.values[l], np.nan)
df['D'] = np.where(l >= 0, df.B.values[l], np.nan)

熊猫变量转换出错

1 个答案: