Question

我使用pandas在Python中有一个数据框。它有2列名为＆＃39; dropoff_latitude＆＃39;和＆＃39; pickup_latitude＆＃39;。我想创建一个函数，根据这两个变量创建第3列（通过api运行它们）。

所以我写了一个函数：

def dropoff_info(row):
    dropoff_latitude = row['dropoff_latitude']
    dropoff_longitude = row['dropoff_longitude']
    dropoff_url2 = "http://data.fcc.gov/api/block/find?format=json&latitude=%s&longitude=%s&showall=true" %(dropoff_latitude,dropoff_longitude)
    dropoff_resp2 = requests.get(dropoff_url2)
    dropoff_results2 = json.loads(dropoff_resp2.text)
    dropoffinfo =  dropoff_results2["Block"]["FIPS"][2:11]
    return dropoffinfo

然后我会把它当作 df [＆＃39; newcolumn＆＃39;] = dropoffinfo（df）

但它不起作用。

在排除故障后，我发现当我打印dropoff_latitude时，它看起来像这样：

0     40.773345947265625
1     40.762149810791016
2     40.770393371582031
...

所以我认为URL无法生成。我希望dropoff_latitude在打印时看起来像这样：

40.773345947265625
40.762149810791016
40.770393371582031
...

而且我不知道如何指定我只想要实际的内容部分。

当我尝试

时

dropoff_latitude = row['dropoff_latitude'][1]
dropoff_longitude = row['dropoff_longitude'][1]

它只是给了我第一排的值，所以显然没有用。

想法好吗？我对使用数据帧非常陌生......谢谢！

Answer 1

Alex - 对于pandas，我们通常喜欢避免循环，但在您的特定情况下，需要ping远程服务器以获取数据非常需要它。所以我做了以下的事情：

l = []
for i in df.index:
    dropoff_latitude = df.loc[i, 'dropoff_latitude']
    dropoff_longitude = df.loc[i, 'dropoff_longitude']
    dropoff_url2 = "http://data.fcc.gov/api/block/find?format=json&latitude=%s&longitude=%s&showall=true" %(dropoff_latitude,dropoff_longitude)
    dropoff_resp2 = requests.get(dropoff_url2)
    dropoff_results2 = json.loads(dropoff_resp2.text)
    l.append(dropoff_results2["Block"]["FIPS"][2:11])

df['new'] = l

此处的关键是.loc[i, ...]位，使您能够逐个遍历每一行，并调出相关列以创建要发送到API的变量。

关于你的记忆消耗的问题 - 这比我的工资等级略高，但在这种情况下，我真的不认为你有任何其他选择（除非你的API有某种批量请求，允许您在一次调用中提取更大的数据集。）

从数据帧中获取特定数据值 - python pandas

1 个答案: