为什么在DataFrame上应用函数比在Series上应用函数快得多？import timeimport numpy as np
df = pd.DataFrame(my_range, columns=["a"])
my_ti
浏览 0提问于2018-08-12得票数 4
回答已采纳
2回答
我认为以下几点可以做到：但我发现了一个错误：但我也得到了一个错误：
df.groupby('A').apply(lambda x: x.apply(lamb
浏览 5提问于2014-11-18得票数 9
回答已采纳
我理解用于pd.Series和用于pd.DataFrame，但使用map和apply用于pd.Series有什么区别？在我看来，他们基本上是在做同样的事情：>>> df['title'].apply(lambdavalue: str(value) + 'x&
浏览 1提问于2020-09-01得票数 2
回答已采纳
为什么Pandas的DataFrame.apply方法在DataFrame为空时调用要应用的函数？例如：>>> df = pd.DataFrame({"foo": []})Empty DataFrame>>> x = []
>
浏览 3提问于2014-01-20得票数 7
回答已采纳
当使用groupby + apply调用函数时，我想从DataFrame转到Series groupby对象，将一个函数应用到每个以Series作为输入并返回Series作为输出的组，然后将groupby+ apply调用中的输出分配为DataFrame中的字段。默认行为是将来自groupby + apply的输出按分组字段进行索引，这使我无法将其清晰地分配给DataFra
浏览 2提问于2017-02-11得票数 4
回答已采纳
但是，我想要理解为什么我不能用以下两种方法来得到和：0 22.02 44.0>>> df['b'].apply(np.sum)1 33.03 11.0为什么apply
浏览 14提问于2022-10-06得票数 0
在尝试调试groupby函数应用程序时，我使用一个虚拟函数来为每个组“查看传递给函数的内容”的。当然，我在玩游戏：import pandas as pd
single column (nested) <e
浏览 5提问于2013-12-19得票数 6
回答已采纳
2回答
我想我用pandas.Series.agg方法发现了一个异常。 01 172.01 170.0>>> pd.DataFrame(v).
浏览 14提问于2021-08-01得票数 1
1回答
我正在学习Python，我试图理解apply()方法在Pandas数据帧中是如何工作的。作为练习，我想使用一行代码对Pandas dataframe的元素应用str.upper()方法，前提是这些元素是字符串。我想将lambda条件表达式与apply结合使用，但问题是，当apply调用Pandas dataframe时，dataframe --如果我理解得很好的话--返回一个要应用的Seri
浏览 5提问于2017-01-22得票数 7
回答已采纳
1回答
我试图更好地使用各种使用Pandas的方法，并且我很难理解为什么Map、Apply和Vectorization相对于返回非布尔函数的函数是可互换的，但是当应用函数返回布尔值时，Apply和Vectorization这个问题将侧重于应用。apply时，我得到了一个ValueError。value of a Series is ambiguous.我有意识地编写了一个效率低下的
浏览 1提问于2021-02-09得票数 0
回答已采纳
2回答
d[key2].append(val2) d[key2] = [] return dcs_d = {}然后，它将为d
浏览 2提问于2018-07-17得票数 0
回答已采纳
假设我们有一个简单的数据文件：为什么是res1 =dd.groupby('ID').cumcount()%%time
res2 = dd.groupby('ID')['ID'].apply(lambda x: pd.Series(np.arangeap
浏览 0提问于2018-03-07得票数 1
回答已采纳
3回答
，因为我不想使用apply。我正在开发一个大型DataFrame，而且地图比应用要快得多。Discount'] = sample[sample['Category'] == c]['price'].map(lambda x: mapper(x,c))
这并没有像我预期的那样起作用，因为我试图在DataFrame的一个部分上设置一个值。我的问题是，在不使用df.
浏览 3提问于2017-03-20得票数 5
回答已采纳
概述下面是一个重现错误的简单示例(显然，在我的用例中，我实际上要应用的函数</em
浏览 9提问于2022-09-13得票数 1
回答已采纳
我创建了一个已定义的函数，如果'SR_NUMBER‘与上面的行相同，则添加一个月。我得到了错误信息：‘浮动’对象不可订阅。year_month_end'] + MonthEnd(1) return row['year_month_end']
df['SR_NUMBER'] = df['SR_NUMBER'].apply(SRfunction) 错误消息：'float‘对象不可订阅 原始df： df = pd.DataFram
浏览 19提问于2021-11-09得票数 0
11回答
你能告诉我什么时候使用这些矢量化方法和基本例子吗？
我看到map是一个Series方法，而其余的是DataFrame方法。不过，我对apply和applymap方法感到困惑。为什么我们有两种将函数应用于DataFrame的方法？再次，简单的例子，说明使用将是很棒的！
浏览 27提问于2013-11-05得票数 659
回答已采纳
1回答
熊猫系列应用方法
、、
我一直在使用熊猫应用的方法，用于系列和数据，但我显然仍然遗漏了一些东西，因为我被一个简单的函数所困扰，我正在尝试执行。我就是这么做的： return (row - row.min())/(row.max() - row.min())
但是，例如，如果然后按需要返回0.0、0.5、1.0。但是，row.apply
浏览 3提问于2016-06-09得票数 2
回答已采纳
我一直在努力地干净利落地迭代或将函数应用于可变长度的Pandas DataFrames。具体来说，长度1 DataFrame片(潘达斯系列)。简单的例子，一个DataFrame和一个作用于它的每一行的函数。数据格式是已知的/预期的。通常，您可以通过下列方式之一应用该函数：# or
stringy = [stringify(row) for _,ro
浏览 3提问于2015-02-27得票数 3
回答已采纳
许多熊猫函数(如df.drop、df.rename df.replace)都带有一个参数inplace。如果你把它设置为True，而不是返回一个新的数据，熊猫修改数据，嗯，就位。(这里没有任何意外;)假设我有文本数据，需要对其进行预处理，以便进行情感分析。in text if c not in string.punctuation])然后对我的专栏作如下修改：
df['text'
浏览 2提问于2020-04-01得票数 2
回答已采纳
2回答
有什么方法可以使用另一个pandas.Series的不同值在pandas.Series中应用函数吗？我知道有pandas.Series.apply()，但我需要这样的东西： array1 = pandas.Series([1, 2, 3, 4]) 2 9
3 4 换句话说，我需要在一个pandas.DataFrame列中<e
浏览 23提问于2021-04-07得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
