TypeError：Numpy.float64对象不可调用迭代行pandas数据帧

Question

目前正在使用pandas处理数据集。不要对这类东西有太多经验，所以任何帮助都会非常感激。数据集（如下所示）：

该表显示了按年份分组的不同细分相关联的评级。我正在尝试解析该表并从其关联年份列（不包括nans）中提取最新评级，并将其应用于Curr_Rate列中的相应位置以及{{1}中收集评级的年份1}}。

第二项任务是提取第二个最新评级（包含相应年份）并将这些值填充到Curr_RatingYr和Prev_Rate字段中。最后，我需要从2000-2017的所有评级中生成平均值。我有平均部分，但当我尝试解析表格以生成当前评级和以前评级的值时，我遇到了：

PrevRatingYr

非常感谢任何帮助。

TypeError stating numpy.float64 object is not callable at index 0

Answer 1

该错误似乎与您的apply()语法有关。

1. 使用函数名称调用apply()，最后不要()。例如。 apply(getCurrRate, axis=1)。

2. 您应用数据的功能通常需要参数，例如getCurrRate(yr)。在这里，yr是从apply()隐式传递的对象，因此axis=1正在执行：

   getCurrRate(dftest.y2000)
   getCurrRate(dftest.y2001)
   #...
   getCurrRate(dftest.y2017)
   

   但如果getCurrRate定义中没有参数，则apply()无法应用任何内容。

至少在currRate的情况下，您似乎真的只想要NaN列中最新的非y<year>值。在这种情况下，请考虑一种更简单的方法：

def getCurrRate(yr):
    return yr.dropna()[-1]

ratings_cols = df.columns[df.columns.str.startswith('y')]
df['currRate'] = df[ratings_cols].apply(getCurrRate, axis=1)

以下是一些展示的玩具数据：

data = {'segmentId':['foo','bar','baz'],
        'y2015':[5, 6, 7],
        'y2016':[2, np.nan, 4],
        'y2017':[np.nan, np.nan, 9]}
df = pd.DataFrame(data)

df
  segmentId  y2015  y2016  y2017
0       foo      5    2.0    NaN
1       bar      6    NaN    NaN
2       baz      7    4.0    9.0

我们期望currRate的以下值：

• index 0：2
• index 1：6
• index 2：9

这就是我们使用新getCurrRate获得的结果：

df['currRate'] = df[ratings_cols].apply(getCurrRate, axis=1)

df
  segmentId  y2015  y2016  y2017  currRate
0       foo      5    2.0    NaN       2.0
1       bar      6    NaN    NaN       6.0
2       baz      7    4.0    9.0       9.0