Question

现在搜索一段时间，并且无法获得具体内容。寻找最佳实践答案。我的代码有效，但我不确定我是否会引入问题。

# df['Action'] = list(map(my_function, df.param1)) # Works but older 
    # i think?
df['Action'] = df['param1'].map(my_function)

这两个产生相同的可见结果。我不完全确定第一条注释掉的线是如何工作的，但这是我在互联网上找到的一个例子，我在这里申请并且它有效。我发现的地图的大多数其他用途都类似于第二行，从Series对象调用它。

首先提出问题，哪一个是更好的做法，第一个做的是什么？

第二个也是最后一个问题。这是两者中更重要的。 Map，apply，applymap - 不确定在这里使用哪个。第一个注释掉的代码行不起作用，而第二行代码完全符合我的要求。

def my_function(param1, param2, param3):
    return param1 * param2 * param3 # example

# Can't get this df.map function to work?
# Error map is not attribute of dataframe
# df['New_Col'] = df.map(my_function, df.param1, df.param1.shift(1), 
#    df.param2.shift(1))

# TypeError: my_function takes 3 positional args, but 4 were given
# df['New_Col'] = df.apply(my_function, args=(df.param1, df.param1.shift(1), 
#    df.param2.shift(1)))

# This works, not sure why
df['New_Col'] = list(map(my_function, df.param1, df.param1.shift(1), 
     df.param2.shift(1)))

我尝试从当前行和上一行计算基于df的两列的结果。我已尝试过地图上的变体，并在直接从df调用时应用（df.map，df.apply）并且没有成功。但是如果我使用列表（map（...））表示法它很有用。

列表（地图（...））是否可以接受？哪个是最佳做法？有没有正确的方法直接从df对象使用apply或map？

谢谢你们，谢谢。

编辑：MaxU的回复也起作用。事实上，这两项工作都是：

df['New_Col'] = list(map(my_function, df.param1, df.param1.shift(1), 
        df.param2.shift(1)))
df['New_Col'] = my_function(df.parma1, df.param1.shift(1), df.param2.shift(1))

# This does NOT work
df['New_Col'] = df.apply(my_function, axis=1, args=(df.param1, 
        df.param1.shift(1), df.param2.shift(1)))
# Also does not work
# AttributeError: ("'float' object has no attribute 'shift'", 
    'occurred at index 2000-01-04 00:00:00')
# Will work if I remove the shift(), but not what I need.
df['New_Col'] = df.apply(lambda x: my_function(x.param1, x.param1.shift(1),
    x.param2.shift(1)))

我还不清楚在这里使用apply的正确语法，如果这三种方法中的任何一种优于另一种（我猜测列表（map（...））是＆＃34;最差的＆＃34;因为它迭代并且没有被矢量化。

Answer 1

所以第一个问题，哪一个是更好的实践，究竟是什么是第一个在做什么？

df['Action'] = df['param1'].map(my_function)

更加惯用，更快（矢量化）并且更可靠。

第二个也是最后一个问题。这是两者中更重要的。地图， apply，applymap - 不确定在这里使用哪个。第一个评论出来了代码行不起作用，而第二行则完全符合我的要求想。

Pandas没有DataFrame.map() - 仅Series.map()，因此如果您需要访问映射功能中的多个列，则可以使用DataFrame.apply()。

演示：

df['New_Col'] = df.apply(lamba x: my_function(x.param1,
                                              x.param1.shift(1),
                                              x.param2.shift(1),
                         axis=1)

或只是：

df['New_Col'] = my_function(df.param1, df.param1.shift(1), df.param2.shift(1))

正确使用map将函数映射到df，python pandas

1 个答案: