我嘗試使用函數計算系列中最頻繁的元素來循環 DataFrame 的低谷行。當我手動向其中提供一個系列時，該功能可以完美運行：# Create DataFramedf = pd.DataFrame({'a' : [1, 2, 1, 2, 1, 2, 1, 1], 'b' : [1, 1, 2, 1, 1, 1, 2, 2], 'c' : [1, 2, 2, 1, 2, 2, 2, 1]})# Create function calculating most frequent elementfrom collections import Counterdef freq_value(series): return Counter(series).most_common()[0][0]# Test function on one rowfreq_value(df.iloc[1])# Another testfreq_value((df.iloc[1, 0], df.iloc[1, 1], df.iloc[1, 2]))通過這兩個測試，我得到了想要的結果。但是，當我嘗試通過 DataFrame 行在循環中應用此函數并將結果保存到新列中時，出現錯誤"'Series' object is not callable", 'occurred at index 0'。產生錯誤的行如下：# Loop trough rows of a dataframe and write the result into new columndf['result'] = df.apply(lambda row: freq_value((row('a'), row('b'), row('c'))), axis = 1)row()在apply()函數中究竟是如何工作的？它不應該freq_value()從“a”、“b”、“c”列提供給我的函數值嗎？
3 回答
一只名叫tom的貓
TA貢獻1906條經驗 獲得超3個贊
row不是您的 函數lambda，因此括號不合適，相反，您應該使用__getitem__方法或loc訪問器來訪問值。前者的語法糖是[]：
df['result'] = df.apply(lambda row: freq_value((row['a'], row['b'], row['c'])), axis=1)
使用loc替代方案：
def freq_value_calc(row):
return freq_value((row.loc['a'], row.loc['b'], row.loc['c']))
要準確理解為什么會出現這種情況，將您lambda的函數重寫為命名函數會有所幫助：
def freq_value_calc(row):
print(type(row)) # useful for debugging
return freq_value((row['a'], row['b'], row['c']))
df['result'] = df.apply(freq_value_calc, axis=1)
運行這個，你會發現它row的類型是<class 'pandas.core.series.Series'>，即如果你使用axis=1. 要訪問給定標簽的系列中的值，您可以使用__getitem__/[]語法或loc.
眼眸繁星
TA貢獻1873條經驗 獲得超9個贊
您也可以使用df.mode, 和來獲得所需的結果axis=1。這將避免使用apply, 并且仍然會為您提供每行最常見值的列。
df['result'] = df.mode(1)
>>> df
a b c result
0 1 1 1 1
1 2 1 2 2
2 1 2 2 2
3 2 1 1 1
4 1 1 2 1
5 2 1 2 2
6 1 2 2 2
7 1 2 1 1
添加回答
舉報
0/150
提交
取消