我看到
df["col2"] = df["col1"].apply(len)len(df["col1"])
我的问题是，
-
为什么使用"；CCD_ 3"；函数在1中不带括号，但在2中带括号使用？
-
两者之间有什么区别？
我经常看到这种情况，使用带括号和不带括号的函数。有人能向我解释一下到底发生了什么吗？
谢谢。
您提到的第一个示例(上面的代码(将函数len映射到目标变量df["col1"]
df["col2"] = df["col1"].apply(len)
每当我们必须将函数映射到任何可迭代的对象时，语法需要函数为且不带括号。在您的情况下，df["col1"]必须具有可以计算长度的元素。它将返回Pandas系列所有元素的遗嘱长度。以下面的例子为例。
a = ["1", "2","3","4"]
z = list( map( int, a ) ) >> [1, 2, 3, 4]
在这里，我们将内置的int函数(用于进行类型转换(映射到整个列表。
您提到的第二个例子将给出df["col1"]系列的长度。
len(df["col1"])
它不会对该系列中的元素执行任何操作。以下面的例子为例。
a = ["1", "2","3","4"]
z = len(a) >> 4
由于在这两种情况下，函数len都被提供了一个可迭代的对象，因此它没有给出任何错误。但是，正如我所解释的，输出完全不同！
在1中，函数len被传递给一个名为apply的方法。该方法可能会沿第一个轴应用函数len(可能返回类似长度列表的内容(。在2中，函数len被直接调用，参数为df["col2"]，大概是为了获得数据帧的长度。
1中的用法有时被称为"1"；"高阶函数"；，但原则上，它只是将一个函数传递给另一个函数以供其使用。
在第二种情况下，您直接调用len方法，并将得到结果，即df中col1中有多少行。
在第一个例子中，您将len函数的引用提供给apply函数。这是df["col2"] = df["col1"].apply(lambda x: len(x))的快捷方式如果您想让方法的用户交上函数来影响算法的某些部分，从而使方法的行为变得灵活，则可以使用此版本。就像这里的apply方法一样。根据列中的锥角，你想用一些东西填充新列，这里决定用其他列的内容长度来填充。
len(s(将返回s变量的长度
len将返回函数itslelf。所以如果我做a=len，那么我就可以做a(s(。当然，不建议做a=len这样的事情。
让我们看看DataFrame.apply的文档：它的第一个参数是CCD_ 11，这是一个我们将应用于CCD_。在您的情况下，此函数为len()。
现在，让我们看看当您将len作为带括号的参数传递时会发生什么：
df.apply(len())
-----------------------------------------------------------------------------------
TypeError Traceback (most recent call last)
/tmp/ipykernel_11920/3211016940.py in <module>
----> 1 df.apply(len())
TypeError: len() takes exactly one argument (0 given)
而当我们使用CCD_ 15时，这是非常有效的。
这是因为您的参数必须是function，Python用于区分函数和的方法是，函数调用的返回值在第二种情况下使用括号。