Question

在更新数据框列FractionOfVote时，我的第一步是添加一个默认值的新列FractionOfVote NA值。然后使用split解析数据框列Votes。

以下两个函数代码可以正常工作：1）add_new_column_fraction（），2）add_new_column_votes（）。

def add_new_column_fraction(df):
    df['FractionOfVote'] = 'NA'

def add_new_column_votes(df):
    df[['YesVotes','NumVotes']] = df['Votes'].str.split('/',expand=True)[[0,1]]

可以在函数calc_fraction_ratio_for_votes（）中找到问题代码

def calc_fraction_ratio_for_votes(df):
    for idx, row in df.iterrows():
        numerator = row['YesVotes']
        denomerator = row['NumVotes']
        try:
            row['FractionOfVote'] = float(numerator) / float(denomerator)
        except ZeroDivisionError:
            row['FractionOfVote'] = 'NaN'

此函数采用其他两个数据框列YesVotes，NumVotes，并为新的列FractionOfVote，先前在add_new_column_fraction（）中定义。

逻辑错误是FractionOfVote列保留了原始的更新后的“ NA”；并且从未收到带有浮点值计算或“ ZeroDivisionError除外”的“ NaN”的“ row ['FractionOfVote'] = float（分子）/ float（denomerator）”的更新。

Answer 1

为什么首先要使用iterrrows()？您可以通过以下向量化实现实现相同的结果：

 # Create column and fill all values to NaN by default
 df['FractionOfVote'] = np.nan # import numpy as np if you didn't

 # Populate the valid values with the ratio.
 df.loc[df['NumVotes'].astype(float) > 0, 'FractionOfVote'] = df['YesVotes'] / df['NumVotes']

Answer 2

您应该尝试避免Python级循环。首先确保您的序列是数字序列（如有必要）：

let topFlopVC: TopFlopVC = dependency.makeVC()

然后使用除法并将FUTEX_WAIT_PRIVATE替换为df = pd.DataFrame({'Yes': [0, 3, 0, 10, 0], 'Num': [0, 5, 0, 30, 2]}) num_cols = ['Yes', 'Num'] df[num_cols] = df[num_cols].apply(pd.to_numeric, errors='coerce')：

inf

Python列保留原始更新的“ NA”；永远不会用float更新

2 个答案: