在Apply函数中使用数据框时,收到“'Series'对象是可变的,因此不能被散列”错误

时间:2019-09-26 03:32:05

标签: python pandas data-science

我一辈子都想不通如何摆脱这个错误!我正在尝试查看两个不同的数据框是否共享同一行的两列(例如,如果两个数据框在``城市''列下都有``杰克逊维尔'',而在``状态''列下有``佛罗里达'')。我正在尝试运行:

hpricesold = convert_housing_data_to_quarters()
hprices = hpricesold.copy()
hprices = hprices.reset_index(inplace=False)

def is_uni(df):
    if df in get_list_of_university_towns():
        return 1
    else:
        return 0

hprices['Is_Uni'] = hprices.apply(is_uni, axis=1)

和两个def分别称为:

def convert_housing_data_to_quarters():
    #create
    hd = pd.read_csv('City_Zhvi_AllHomes.csv')
    hd['State'] = hd['State'].map(states)
    hd = hd.set_index(["State", "RegionName"])
    hd = hd.drop(hd.loc[:, '1996-04':'1999-12'], inplace = False, axis = 1)


    hd = hd.loc[:, '2000-01':'2016-08']
    #finds the average value for each quarter
    hd = hd.groupby(np.arange(len(hd.columns))//3, axis=1).mean()

    #now to name the stupid thing...
    rec = pd.read_excel('gdplev.xls', header = [4])
    rec = rec.drop([0,1], axis=0)
    start = rec[rec["Unnamed: 4"] =="2000q1"].index.values.astype(int)[0]

    rec = rec.loc[start:]

    rec = rec.reset_index()
    rec = rec.drop(['index', 'Unnamed: 0', 'GDP in billions of current dollars',
           'GDP in billions of chained 2009 dollars', 'Unnamed: 3', 'Unnamed: 7'], axis = 1)
    rec = rec.rename(columns = {'Unnamed: 4' : 'Year', 
                                'GDP in billions of current dollars.1' : 'GDP (bil current)', 
                                'GDP in billions of chained 2009 dollars.1' : 'GDP (bil chained 2009)'})
    rec = rec.append({'Year' : '2016q3'}, ignore_index = True)


    for col in hd.columns:
        hd = hd.rename(columns = {hd.columns[col] : rec.loc[col, 'Year']})





def get_list_of_university_towns():
    #utowns = pd.read_table('university_towns.txt', header=None)
    #utowns = utowns.rename(columns = {0: 'Info'})

    lst = []
    state = ''
    regname = ''

    with open('university_towns.txt') as utowns:
        for line in utowns:
            if line.find("[edit]") != -1:
                location = line.find("[edit]")
                state = line[:location]
                #print (line[:location])

            elif line.find(" (") != -1:
                location = line.find(" (")
                regname = line[:location]
                #print (line[:location])
                lst.append([state, regname])
            #if line.find(":") != -1:
            #    location = line.find(":")
            #    regname = line[:location+1]
            #    lst.append([state, regname])
            else:
                regname = line[:-1]
                #print (regname)
                lst.append([state, regname])

    utowns = pd.DataFrame(lst, columns = ['State', 'RegionName'])
    return utowns

我感觉到我的错误的根源在于如何在convert_housing_data_to_quarters()中操作数据框,但是我在代码中有些迷失了。我觉得每个列类型都是一个Series似乎很有意义,但是如何将其设为不可变的以便可以传递此函数呢?

1 个答案:

答案 0 :(得分:0)

请注意代码中的行hprices['Is_Uni'] = hprices.apply(is_uni, axis=1)。 它将is_uni函数应用于 hprices 中的每一行(因为您传递了 axis = 1 )。

现在看一下此函数的起始行:def is_uni(df):

这意味着 df 实际上是整行

下一行包含if df in get_list_of_university_towns():, 因此您尝试检查整行,是否在大学城列表中 (而这可能就是错误的来源)。

我在这里看到2点可以纠正:

  1. 代替 df (整行),仅在此处输入包含城市名称的列。
  2. in 之后,而不是此函数返回的所有DataFrame, 仅放入包含大学城市的列。

另一句话:调用生成整个DataFrame的函数是一种不好的做法 循环执行,每次返回相同的结果。

宁可一次获取此DataFrame,也可以在此循环之前将其保存在变量中, 并将其作为参数传递给该函数。

最后一句话:不要在变量内容所在的地方使用 df 变量名 实际上不是 DataFrame 。在这种情况下,这是一行 来自 DataFrame ,因此您可以将此名称更改为 row 并且代码将更具可读性。