使用 pandas 调用函数时的规则/过程是什么apply()
通过 lambda 与不通过 lambda?下面的例子。显然,如果没有 lambda,整个系列( df[column name] )就会传递给“test”函数,该函数会在尝试对系列进行布尔运算时引发错误。
如果通过 lambda 调用相同的函数,它就可以工作。对每一行进行迭代,每行作为“x”传递,并且 df[ 列名 ] 返回当前行中该列的单个值。
这就像 lambda 正在删除一个维度。有人对此有解释或指出具体的文档吗?谢谢。
使用 lambda 的示例 1 工作正常
print("probPredDF columns:", probPredDF.columns)
def test( x, y):
if x==y:
r = 'equal'
else:
r = 'not equal'
return r
probPredDF.apply( lambda x: test( x['yTest'], x[ 'yPred']), axis=1 ).head()
示例1输出
probPredDF columns: Index([0, 1, 'yPred', 'yTest'], dtype='object')
Out[215]:
0 equal
1 equal
2 equal
3 equal
4 equal
dtype: object
示例 2 没有 lambda,在系列错误上抛出布尔运算
print("probPredDF columns:", probPredDF.columns)
def test( x, y):
if x==y:
r = 'equal'
else:
r = 'not equal'
return r
probPredDF.apply( test( probPredDF['yTest'], probPredDF[ 'yPred']), axis=1 ).head()
示例2输出
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().