Question

我有一个数据框，其中每一行（人）都有几列个人数据。我想应用一个函数在区域列表中查找每个人的城市或州，然后将结果应用到同一数据框中的新列“ Region”。

我已经能够使用非常简化的数据框（包括颜色和车辆类别）进行相同的操作（请参见下文）。但是，当我尝试使用个人数据进行操作时，它的工作方式将不同，而且我也不知道为什么。

我已经阅读了很多关于lambda函数的主题，但我认为我要问的内容太复杂了。大多数解决方案都处理数字数据，而我使用的是字符串，但是正如我所说，我能够使其与一个数据集一起使用。显然我是新来的。我也很感谢有关如何将新列作为函数的一部分进行构建的建议，而不必将其作为单独的步骤进行构建，但这并没有像主要问题一样使我感到沮丧。

此示例有效：

# Python: import pandas
import pandas as pd
# Simple dataframe. Empty column 'type'.
df = pd.DataFrame({'one':['1','2','3','4','5','6','7','8'], 
                  'two':['A','B','C','D','E','F','G','H'], 
                  'three': ['car','bus','red','blue','truck','pencil','yellow','green'],
                  'type':''})

df显示：

    one two three   type
0   1   A   car     
1   2   B   bus     
2   3   C   red     
3   4   D   blue    
4   5   E   truck   
5   6   F   pencil  
6   7   G   yellow  
7   8   H   green

现在定义列表和自定义功能：

# Definte lists of colors and vehicles
colors = ['red','blue','green','yellow']
vehicles = ['car','truck','bus','motorcycle']

# Create function 'celltype' to return values based on x
def celltype (x):
    if x in colors: return 'color' 
    elif x in vehicles: return 'vehicle'
    else: return 'other'

然后构造一个循环遍历每一行并应用函数：

# Write loop to iterate through df rows and apply function 'celltype' to column 'three' in each row
for index, row in df.iterrows(): 
    row['type'] = celltype(row['three'])

在这种情况下，结果就是我想要的：

    one two three   type
0   1   A   car     vehicle
1   2   B   bus     vehicle
2   3   C   red     color
3   4   D   blue    color
4   5   E   truck   vehicle
5   6   F   pencil  other
6   7   G   yellow  color
7   8   H   green   color

此示例不起作用，我也不知道为什么：

df1 = pd.DataFrame({'Last Name':['SMITH','JONES','WILSON','DOYLE','ANDERSON'], 'First Name':['TOM','DICK','HARRY','MICHAEL','KEVIN'],
                    'Code':[12,34,56,78,90], 'Deparment':['Research','Management','Maintenance','Marketing','IT'],
                    'City':['NEW YORK','BOSTON','SAN FRANCISCO','DALLAS','DETROIT'], 'State':['NY','MA','CA','TX','MI'], 'Region':''})

df1显示：

    Last Name   First Name  Code    Deparment   City        State   Region
0   SMITH       TOM         12  Research        NEW YORK    NY  
1   JONES       DICK        34  Management      BOSTON      MA  
2   WILSON      HARRY       56  Maintenance     SAN FRANCISCO   CA  
3   DOYLE       MICHAEL     78  Marketing       DALLAS      TX  
4   ANDERSON    KEVIN       90  IT              DETROIT     MI

再次定义列表和功能：

# Define lists for regions
east = ['NEW YORK','BOSTON']
west = ['SAN FRANCISCO','LOS ANGELES']
south = ['TX']

# Create function 'region' to return values based on x
def region (x):
    if x in east: return 'east' 
    elif x in west: return 'west'
    elif x in south: return 'south'
    else: return 'other'

# Write loop to iterate through df1 rows and apply function 'region' to column 'City' in each row
for index, row in df1.iterrows(): 
    row['Region'] = region(row['City'])
    if row['Region'] == 'other': row['Region'] = region(row['State'])

这将导致df1不变。 “地区”列仍为空白。我们应该看到“东方”，“东方”，“西方”，“南方”，“其他”。代码中的唯一区别是附加的'if'语句，用于按状态捕获达拉斯（这是我的真实世界数据集所需要的）。但是我认为那条线是声音，没有它我会得到相同的结果。

Answer 1

首先，apply和iterrows速度很慢，所以请永远不要使用它们。

在这种情况下，我通常要做的是创建一对forward和backward字典：

forward = {'east': east,
           'west': west,
           'south': south}

backward = {x:k for k,v in forward.items() for x in v}

然后使用map更新。由于您希望基于两列进行更新，因此fillna会有所帮助：

df1['Region'] = (df1['State'].map(backward)
                    .fillna(df1['City'].map(backward))
                    .fillna('other')
                )

给予：

  Last Name First Name  Code    Deparment           City State Region
0     SMITH        TOM    12     Research       NEW YORK    NY   east
1     JONES       DICK    34   Management         BOSTON    MA   east
2    WILSON      HARRY    56  Maintenance  SAN FRANCISCO    CA   west
3     DOYLE    MICHAEL    78    Marketing         DALLAS    TX  south
4  ANDERSON      KEVIN    90           IT        DETROIT    MI  other

Answer 2

您的问题是使用iterrows。通常，您应该永远不要修改要迭代的内容。在这种情况下，iterrows正在创建数据的副本，因此实际上并没有修改您的df1。根据情况的不同，该副本可能会发生，也可能不会发生，因此通常希望避免执行此类操作。

您可以通过直接使用at调用数据框来确保它修改了原始文件：

for index, row in df1.iterrows(): 
    df1.at[index, 'Region'] = region(row['City'])
    if df1.at[index, 'Region'] == 'other': df1.at[index, 'Region'] = region(row['State'])

如何遍历数据帧的所有行，以将查找功能应用于字符串值，并将结果应用于新列？

此示例有效：

此示例不起作用，我也不知道为什么：

2 个答案: