Question

对python apply()

中pandas.DataFrame方法的输出有疑问

Q1 -

为什么当pandas.DataFrame函数返回pandas.DataFrame时，此函数会返回与输入（apply）格式相同的<{1}} 与输入相同的形状？

例如

array

代码将返回：

foo = pd.DataFrame([[1,2],[3,4]],columns=['a','b']) foo.apply(lambda x: [np.min(x)/2,np.max(x)/2], axis='index')

Q2 -

出于某种原因，我想输出一个a b 0 min(a)/2 min(b)/2 1 max(a)/2 max(b)/2数组：

pandaq.Series

我试过0 [min(a)/2, max(a)/2] 1 [min(b)/2, max(b)/2] ...但没有成功。然后，我该怎么办？

提前谢谢。

Answer 1

由于结果数组的ndim是2，如果你看到apply here的主代码，如果ndim为2则应用DataFrame构造函数。

    #Main Code
    ...
    # TODO: mixed type case
    if result.ndim == 2:
        return DataFrame(result, index=self.index, columns=self.columns)
    else:
        return Series(result, index=self._get_agg_axis(axis))

如果您希望结果为系列，那么请使用类似tuple而不是列表的内容，即

foo = pd.DataFrame([[1,2],[3,4]],columns=['a','b'])
foo.apply(lambda x: tuple([np.min(x)/2,np.max(x)/2]), axis=1)

输出：

0    (0.5, 1.0)
1    (1.5, 2.0)
dtype: object

希望它有所帮助。

Answer 2

我更愿意避免apply可能numpy操作。

在这种情况下，至少有几种选择。以下是基准测试的示例。如您所见，移动到numpy越近，结果就越好。

import pandas as pd, numpy as np

foo = pd.DataFrame([[1,2],[3,4]],columns=['a','b'])

foo = pd.concat([foo]*10000, ignore_index=True)

def dark(df):
    return df.apply(lambda x: tuple([np.min(x)/2,np.max(x)/2]), axis=1)

def jp1(df):
    return [tuple([np.min(x)/2,np.max(x)/2]) for x in foo[['a', 'b']].values]

def jp2(df):
    arr = foo[['a', 'b']].values
    return list(zip(*(np.min(arr, axis=1)/2, np.max(arr, axis=1)/2)))

%timeit dark(foo)  # 4.95s
%timeit jp1(foo)   # 298ms
%timeit jp2(foo)   # 4.68ms

当然，dark()会返回pd.Series，但pandas会让您通过列表进行分配。

Pandas DataFrame.Apply输出格式

Q1 -

Q2 -

2 个答案: