Question

我有这个pandas数据帧，每行包含两个样本X和Y：

import pandas as pd
import numpy as np
df = pd.DataFrame({'X': [np.random.normal(0, 1, 10),
                         np.random.normal(0, 1, 10),
                         np.random.normal(0, 1, 10)],
                   'Y': [np.random.normal(0, 1, 10),
                         np.random.normal(0, 1, 10),
                         np.random.normal(0, 1, 10)]})

我想在每一行上使用一个函数ttest_ind()（一个统计测试，将两个样本作为输入），然后获取响应的第一个元素（该函数返回两个元素）：

如果我为给定的行执行此操作，例如第一行，它的工作原理：

from scipy import stats
stats.ttest_ind(df['X'][0], df['Y'][0], equal_var = False)[0]
# Returns a float

但是，如果我使用apply在每一行上执行，我会收到错误：

df.apply(lambda x: stats.ttest_ind(x['X'], x['Y'], equal_var = False)[0])

# Throws the following error:
Traceback (most recent call last):
File "pandas\_libs\index.pyx", line 154, in 
pandas._libs.index.IndexEngine.get_loc
File "pandas\_libs\hashtable_class_helper.pxi", line 759, in 
pandas._libs.hashtable.Int64HashTable.get_item
TypeError: an integer is required
During handling of the above exception, another exception occurred:
...
KeyError: ('X', 'occurred at index X')

我做错了什么？

Answer 1

您只需指定要应用功能的轴。查看apply()的相关docs。简而言之，axis = 1表示“将函数应用于我的数据帧的每一行”。默认值为axis = 0，它会尝试将函数应用于每列。

df.apply(lambda x: stats.ttest_ind(x['X'], x['Y'], equal_var = False)[0], axis=1)

0    0.985997
1   -0.197396
2    0.034277

函数适用于数据帧的每一行，但不使用df.apply

1 个答案: