如何在完整数据帧中应用 def 函数?

Question

>我需要帮助来更正函数。我对两件事感到困惑。

1. 如何将 for 循环放入 def 函数中。
2. 请纠正我的其他功能。它仅适用于单列

raw_data = {'age1': [23,45,21],'age2': [10,20,50]}
df = pd.DataFrame(raw_data, columns = ['age1','age2'])
df

效果很好。

l = list(df.columns)
for c in l:
df[c]=np.where(df[c]>45,df[c]+100,df[c])

1. 它不能正常工作，增加的价值比 100 多。这是怎么回事。

def fun(x):
l = list(df.columns)
for c in l:
df[c]=np.where(df[c]>45,df[c]+100,df[c])
return x
df.apply(fun)

2. 为什么我不能在完整数据帧上应用此功能。请更正...

def f(x):
val=[]
if x>=40:
val = x+100
else:
val = x
return val
df.apply(f,axis=1)

Answer 1

这些函数做不同的事情。

第一个选项有效，因为您要遍历每一列并将 np.where 应用于每列一次。

for c in df.columns:
df[c] = np.where(df[c] > 45, df[c] + 100, df[c])

df：

age1  age2
0    23    10
1    45    20
2    21   150

---

在这种情况下：

def fun(x):
l = list(df.columns)
for c in l:
df[c]=np.where(df[c]>45,df[c]+100,df[c])
return x
df.apply(fun)

为每一列调用函数fun(通过apply)，但您每次都在执行完整的操作。

这大致相当于：

for _ in df.columns:
for c in df.columns:
df[c] = np.where(df[c] > 45, df[c] + 100, df[c])

请注意嵌套循环。

因此，为什么它会产生df：

age1  age2
0    23    10
1    45    20
2    21   250

---

最后一个选项已关闭：

def f(x):
val=[]
if x>=40:
val = x+100
else:
val = x
return val
df.apply(f,axis=1)

但是，x 是一系列值(数据帧列)，这意味着x >= 40不起作用，导致错误：

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

并且可以稍微修改以使用applymap将函数应用于数据帧中的每个单元格：

def f(x):
if x > 45:  # Changed the bound to match the np.where condition
val = x + 100
else:
val = x
return val
df = df.applymap(f)

df：

age1  age2
0    23    10
1    45    20
2    21   150

---

但是，这里更多的熊猫方法是使用类似DataFrame.mask：

df = df.mask(df > 45, df + 100)

df：

age1  age2
0    23    10
1    45    20
2    21   150

Answer 2

根据 col 类型填充和替换 na col 值

df.transform(lambda x: x.fillna('') if x.dtype == 'float64' else x.float64(0))
df.transform(lambda x: x.replace('orange','juice') if x.dtype == 'object' else x.fillna(0))