熊猫适用于数据框产生'<内置方法值......'

Posted 2023-03-12

【中文标题】熊猫适用于数据框产生\'<内置方法值......\'

【英文标题】：Pandas apply to dateframe produces '<built-in method values of ...'熊猫适用于数据框产生'<内置方法值......'

【发布时间】：2015-03-15 14:16:44

【问题描述】：

我正在尝试构建一个GeoJSON object。我的输入是一个包含地址列、纬度列和经度列的 csv。然后我从坐标中创建了 Shapely 点，按给定的半径将它们缓冲出来，并通过映射选项获取坐标字典 - 到目前为止，一切都很好。然后在参考this question之后，写了如下函数来获取一个Series字典：

def make_geojson(row): return 'geometry':row['geom'], 'properties':'address':row['address']

我就这样应用了它：

data['new_output'] = data.apply(make_geojson, axis=1)

我的结果列充满了这些：<built-in method values of dict object at 0x10...

最奇怪的部分是，当我直接调用函数时（即make_geojson(data.loc[0])，实际上我确实得到了我期待的字典。也许更奇怪的是，当我调用从应用程序中获取的函数时（例如data.output[0]()，data.loc[0]['output']()）我得到了以下列表的等价物： [data.loc[0]['geom'], 'address':data.loc[0]['address']]，即我要获取的字典的值（但不是键）。

对于那些在家玩的人，这里有一个玩具示例：

from shapely.geometry import Point, mapping
import pandas as pd

def make_geojson(row):
    return 'geometry':row['geom'], 'properties':'address':row['address']

data = pd.DataFrame(['address':'BS', 'lat':34.017, 'lon':-117.959, 'address':'BS2', 'lat':33.989, 'lon':-118.291])
data['point'] = map(Point, zip(data['lon'], data['lat']))
data['buffer'] = data['point'].apply(lambda x: x.buffer(.1))
data['geom'] = data.buffer.apply(mapping)
data['output'] = data.apply(make_geojson, axis=1)

【问题讨论】：

你能提供一个独立的例子来说明这个问题吗？

与往常一样，当您开始将非标量元素放入 Series 和 DataFrames 时，事情很可能会出轨；发生这种情况是因为假设 pandas 可以调用 someobj.values 并获取 NDFrame 的值，但由于您已经给它一个字典，它会获取字典方法。你的最终目标是什么？

我只是想获取一个 geojson 对象（或我可以转储到 geojson 的 python 字典）。这看起来像this。

@dsm 我正在关注示例here，但我的f() 等价物返回dict。与此问题相同的问题。然而，可以将dict 存储在DataFrame 中。我不太清楚你所说的“一个分支被占用”是什么意思——这是否意味着：apply 与返回的dict 根本不可能？在将dict 结果存储在新列中时，是否有另一种方法可以对每一行进行操作？

@bahmait 问题是字典上的 values 方法正在覆盖 NDFrame 上的 values 方法。不要将您调用的任何函数应用于 DataFrame，而是将其映射到您需要的列列表

【参考方案1】：

感谢帝斯曼指出这一点。经验教训：pandas 不适用于任意 Python 对象

所以这就是我最终要做的：

temp = zip(list(data.geom), list(data.address))
output = map(lambda x: 'geometry': x[0], 'properties':'address':x[1], temp)

【参考方案2】：

我之所以写这篇文章是因为我遇到了类似的问题，但是在运行 PySpark DataFrame 而不是 Pandas 时。

如果有人像我一样来到这里，我将解释我是如何为 PySpark DataFrame 修复它的。

我收到错误的原因（在我的例子中是built-in method of Row object），是因为我的字段名称count 与从python 元组继承的方法计数发生冲突（如here 所示）。

解决方案只是将字段名称更改为 my_count 之类的名称，并且效果很好。