在 pandas 中的多个列上应用自定义函数

Posted 2023-03-11

【中文标题】在 pandas 中的多个列上应用自定义函数

【英文标题】：Apply custom function over multiple columns in pandas

【发布时间】：2018-05-02 12:10:05

【问题描述】：

我在 Pandas 中“应用”自定义函数时遇到问题。当我测试该函数时，直接传递它工作的值并正确返回响应。但是，当我尝试以这种方式传递列值时

def feez (rides, plan):
    pmt4       = 200
    inc4       = 50  #number rides included
    min_rate4  = 4 

    if plan == "4 Plan":
        if rides > inc4:
            fee = ((rides - inc4) * min_rate4) + pmt4 
        else:
            fee = pmt4
        return (fee)
    else:
       return 0.1

df['fee'].apply(feez(df.total_rides, df.plan_name))

我收到错误：

"The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()."

直接传递值有效，即feez (800, "4 Plan")，返回3200

但是，当我尝试应用上述功能时收到错误消息。

我是新手，怀疑我的语法写得不好。任何想法都非常感谢。 TIA。以利

【问题讨论】：

该问题阐明了应用将某些列值作为参数的函数的必要性。 lambda 函数有助于对与数据帧的每一行 x 相关的列值进行子集化。

【参考方案1】：

apply 旨在一次处理一行，因此在您这样做时传递整列是行不通的。在这些情况下，最好使用lambda。

df['fee'] = df.apply(lambda x: feez(x['total_rides'], x['plan_name']), axis=1)

但是，可能有更快的方法来执行此操作。一种方法是使用np.vectorize。另一个是使用np.where。

选项 1np.vectorize

v = np.vectorize(feez)
df['fee'] = v(df.total_rides, df.plan_name)

---

选项 2 嵌套np.where

df['fee'] = np.where(
        df.plan_name == "4 Plan", 
        np.where(df.total_rides > inc4, (df.total_rides - inc4) * min_rate4) + pmt4, pmt4), 
        0.1
)

【讨论】：

Lambda 抛出错误，如果你知道为什么会很感兴趣吗？文件“C:\Users\runner\Anaconda3\lib\site-packages\pandas\core\frame.py”，第 4950 行，在 _apply_standard 结果[i] = func(v) 文件“"，第 1 行，在 gett['fee'] = gett.apply(lambda x:feez(x['total_rides'], x['plan_name'])) 文件“C:\Users\runner\ Anaconda3\lib\site-packages\pandas\core\series.py"，第 623 行，在 getitem 结果 = self.index.get_value(self, key)

我在 lamdba 解决方案中添加了“axis = 1”参数，它也可以工作。再次感谢您的澄清和想法。

@eli 是的，我的错，我错过了那个论点。效果很好。