Pandas：使用apply

Question

我刚问了以下问题

Pandas: how can I pass a column name to a function that can then be used in 'apply'?

我收到了很好的答案。但是，这个问题有一个延伸，我忽略了，也很好奇。

我有一个功能：

def generate_confusion_matrix(row):
val=0
if (row['biopsy_bin']==0) & (row['pioped_logit_category'] == 0):
    val = 0   
if (row['biopsy_bin']==1) & (row['pioped_logit_category'] == 1):
    val = 1 
if (row['biopsy_bin']==0) & (row['pioped_logit_category'] == 1):
    val = 2
if (row['biopsy_bin']==1) & (row['pioped_logit_category'] == 0):
    val = 3
if row['pioped_logit_category'] == 2:
    val = 4
return val  

我希望这样通用：

def general_confusion_matrix(biopsy, column_name):
val=0
if biopsy==0:
    if column_name == 0:
        val = 0
    elif column_name == 1:
        val = 1
elif biopsy==1:
    if column_name == 1:
        val = 2 
    elif column_name == 0:
        val = 3
elif column_name == 2:
    val = 4
return val 

这样我就可以在这个函数中应用它（这不起作用）。

def create_logit_value(df, name_of_column):
   df[name_of_column + '_concordance'] = df.apply(lambda : general_confusion_matrix('biopsy', name_of_column + '_category'), axis=1)

问题似乎是当你以df ['biopsy']传递列时，你将一系列传递给general_confusion_matrix函数而不是每行的值和条件语句抛出和通常的

   ('The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().', 'occurred at index 0')"

我已尝试过map和apply但我不确定如何将2个引用我的数据帧中的列的参数传递给lambda语句中的函数。我想我可以使用map，但同样，我如何通过它传递参数。我为写两个密切相关的问题而道歉，但他们是不同的。

Answer 1

我认为你很接近：

df = pd.DataFrame({'biopsy_bin':[0,1,0,1,0,1],
                   'pioped_logit_category':[0,0,0,1,1,1],
                   'a_category':[0,0,0,1,1,1]})
print (df)


def create_logit_value(df, name_of_column):
    df[name_of_column + '_concordance'] = df.apply(lambda x: generate_confusion_matrix(x['biopsy_bin'], x[name_of_column + '_category']), axis=1)
    return (df)

create_logit_value(df, 'a')
create_logit_value(df, 'pioped_logit')

   a_category  biopsy_bin  pioped_logit_category  a_concordance  \
0           0           0                      0              0   
1           0           1                      0              3   
2           0           0                      0              0   
3           1           1                      1              2   
4           1           0                      1              1   
5           1           1                      1              2   

   pioped_logit_concordance  
0                         0  
1                         3  
2                         0  
3                         2  
4                         1  
5                         2