使用apply函数有效，但使用.assign()同一函数无效

Question

我有点卡住了，我有一个可以使用.apply()的工作函数，但我似乎无法让它与.assign()一起工作。我希望这与assign一起使用，这样我就可以将许多转换链接在一起。

有人能为我指出解决这个问题的正确方向吗？

这适用于

data = {'heading': ['some men', 'some men', 'some women']}
dataframe = pd.DataFrame(data=data)
def add_gender(x):
if re.search("(womens?)", x.heading, re.IGNORECASE):
return 'women'
elif re.search("(mens?)", x.heading, re.IGNORECASE):
return 'men'
else:
return 'unisex'
dataframe['g'] = dataframe.apply(lambda ref: add_gender(ref), axis=1)

不起作用

dataframe = dataframe.assign(gender = lambda ref: add_gender(ref))

TypeError：预期字符串或字节，如对象

这是因为.assign()不提供轴参数吗？所以，也许函数没有寻找正确的东西？

在阅读了文档.assign之后，您可以生成一个新列，所以我假设输出与.apply(axis=1)相同

Answer 1

来自DataFrame.assign:的文档

DataFrame.assign(**kwargs(

(…(

参数**kwargs:{str:callable或Series}的dict

列名是关键字如果这些值是可调用的，则在DataFrame上计算这些值并将其分配给新列。可调用程序不能更改输入DataFrame(尽管panda没有检查它(。如果值是不可调用的(例如，系列、标量或数组(，则只分配它们。

这意味着在中

dataframe = dataframe.assign(gender=lambda ref: add_gender(ref))

ref代表调用DataFrame，即dataframe，因此您将整个dataframe传递给函数add_gender。但是，根据定义方式，add_gender希望传递一行(Series对象(作为参数x，而不是整个DataFrame。

if re.search("(womens?)", x.heading, re.IGNORECASE):

在assign的情况下，x.heading代表dataframe(x(的整列heading，它是Series对象。然而，re.search仅适用于类似string或bytes的对象，因此会引发错误。而在apply的情况下，x.heading对应于dataframe的每个单独行x的字段heading，其为string值。

要解决此问题，只需将assign与apply结合使用即可。请注意，lambda ref: add_gender(ref)中的lambda是多余的，它相当于只传递add_gender。

dataframe = dataframe.assign(gender=lambda df: df.apply(add_gender, axis=1))

---

建议使用Series.str.extract和Series.fillna来定义add_gender。

def add_gender(df):
pat = r'b(men|women)s?b'
return df['heading'].str.extract(pat, flags=re.IGNORECASE).fillna('unisex')

关于正则表达式模式'b(men|women)s?b':

• b匹配单词边界
• (men|women)与men或women完全匹配并捕获组
• s?与s匹配零次或一次

Series.str.extract提取列heading的每个字符串值的捕获组。不匹配项设置为NaN。然后，Series.fillna将NaN替换为"unisex"。

在这种情况下，add_gender期望通过整个DataFrame。有了这个定义，你可以简单地进行

dataframe = dataframe.assign(gender=add_gender)

设置：

import pandas as pd
import re
data = {'heading': ['some men', 'some men', 'some women', 'x mens', 'y womens',  'other', 'blahmenblah', 'blahwomenblah']}
dataframe = pd.DataFrame(data=data)
def add_gender(df):
pat = r'b(men|women)s?b'
return df['heading'].str.extract(pat, flags=re.IGNORECASE).fillna('unisex')

输出：

>>> dataframe 
heading
0       some men
1       some men
2     some women
3         x mens
4       y womens
5          other
6    blahmenblah
7  blahwomenblah
>>> dataframe = dataframe.assign(gender = add_gender)
>>> dataframe 
heading  gender
0       some men     men
1       some men     men
2     some women   women
3         x mens     men
4       y womens   women
5          other  unisex
6    blahmenblah  unisex
7  blahwomenblah  unisex