Zugriffsindex in pandas.Series.apply

Können sagen, ich habe einen MultiIndex Serie s:

>>> s
     values
a b
1 2  0.1 
3 6  0.3
4 4  0.7

und ich möchte eine Funktion, die verwendet den index der Zeile:

def f(x):
   # conditions or computations using the indexes
   if x.index[0] and ...: 
   other = sum(x.index) + ...
   return something

Wie kann ich das machen s.apply(f) für eine solche Funktion? Was ist der empfohlene Weg, um diese Art von Aktivitäten? Ich erwarte, dass die Beschaffung einer neuen Serie mit dem Werte, die sich aus dieser Funktion, angewendet auf jede Zeile und die gleiche MultiIndex.

InformationsquelleAutor der Frage elyase | 2013-08-19

  1. 31

    Ich glaube nicht, dass apply hat Zugriff auf den index; es behandelt jede Zeile als ein numpy-Objekt, nicht eine Serie, wie man sehen kann:

    In [27]: s.apply(lambda x: type(x))
Out[27]: 
a  b
1  2    <type 'numpy.float64'>
3  6    <type 'numpy.float64'>
4  4    <type 'numpy.float64'>

    Um dieses Problem zu umgehen, fördern die Indizes auf Spalten anwenden Sie Ihre Funktion, und erstellen Sie eine Serie mit den original-index.

    Series(s.reset_index().apply(f, axis=1).values, index=s.index)

    Andere Ansätze verwenden könnte s.get_level_valuesdas wird oft ein wenig hässlich meiner Meinung nach, oder s.iterrows() wird wahrscheinlich langsamer sein-vielleicht, je nach genau das, was f tut.

    InformationsquelleAutor der Antwort Dan Allan

  2. 8

    Machen es zu einem Rahmen, die Skalare zurückgeben, wenn Sie möchten (das Ergebnis ist eine Serie)

    Setup

    In [11]: s = Series([1,2,3],dtype='float64',index=['a','b','c'])

In [12]: s
Out[12]: 
a    1
b    2
c    3
dtype: float64

    Druck-Funktion

    In [13]: def f(x):
    print type(x), x
    return x
   ....: 

In [14]: pd.DataFrame(s).apply(f)
<class 'pandas.core.series.Series'> a    1
b    2
c    3
Name: 0, dtype: float64
<class 'pandas.core.series.Series'> a    1
b    2
c    3
Name: 0, dtype: float64
Out[14]: 
   0
a  1
b  2
c  3

    Da können Sie die Rückgabe auch hier nichts, einfach nur wieder die Skalare (Zugriff auf den index über die name Attribut)

    In [15]: pd.DataFrame(s).apply(lambda x: 5 if x.name == 'a' else x[0] ,1)
Out[15]: 
a    5
b    2
c    3
dtype: float64

    InformationsquelleAutor der Antwort Jeff

  3. 3

    Konvertieren DataFrame und anwenden entlang der Zeile. Sie können Zugriff auf den index als x.name. x ist auch ein Series jetzt mit 1 Wert

    s.to_frame(0).apply(f, axis=1)[0]

    InformationsquelleAutor der Antwort nehz

  4. 0

    Du kann finden, es schneller zu bedienen where eher als apply hier:

    In [11]: s = pd.Series([1., 2., 3.], index=['a' ,'b', 'c'])

In [12]: s.where(s.index != 'a', 5)
Out[12]: 
a    5
b    2
c    3
dtype: float64

    Außerdem können Sie mit numpy-Stil Logik/Funktionen, die zu jedem der Teile:

    In [13]: (2 * s + 1).where((s.index == 'b') | (s.index == 'c'), -s)
Out[13]: 
a   -1
b    5
c    7
dtype: float64

In [14]: (2 * s + 1).where(s.index != 'a', -s)
Out[14]: 
a   -1
b    5
c    7
dtype: float64

    Ich empfehlen, dass das testen für Geschwindigkeit (Effizienz gegen angewendet wird, hängt von der Funktion). Obwohl, ich finde, dass applys sind besser lesbar...

    InformationsquelleAutor der Antwort Andy Hayden

  5. 0

    Können Sie auf die ganze Zeile als argument innerhalb der Funktion, wenn Sie verwenden, DataFrame.apply() anstelle von Serie.anwenden(). 

    def f1(row):
    if row['I'] < 0.5:
        return 0
    else:
        return 1

def f2(row):
    if row['N1']==1:
        return 0
    else:
        return 1

import pandas as pd
import numpy as np
df4 = pd.DataFrame(np.random.rand(6,1), columns=list('I'))
df4['N1']=df4.apply(f1, axis=1)
df4['N2']=df4.apply(f2, axis=1)

    InformationsquelleAutor der Antwort Vladimir Leontiev

Schreibe einen Kommentar