我正在使用从NASA的火球数据API导入的纬度/纬度数据(https://cneos.jpl.nasa.gov/fireballs/(
lat/lon数据只有正值- 它们的方向(N/S和E/W(位于称为
lat-dir/lon-dir的不同列中 - 数据帧如下所示。
- 现在我想：
-
如果"纬度"=="S"，则将任何
lat值转换为负值(乘以 -1( -
如果"lon-dir" == 'W'，则将
lon值转换为负值
以下是我创建数据框的大致方式：
import requests
import pandas as pd
response = requests.get('https://ssd-api.jpl.nasa.gov/fireball.api')
j = response.json()
df = pd.DataFrame.from_dict(j[u'data'])
print( j[u'fields'] )
[u'date', u'energy', u'impact-e', u'lat', u'lat-dir', u'lon', u'lon-dir', u'alt', u'vel']
print( df.head() )
0 1 2 3 4 5 6 7 8
0 2019-12-06 10:19:57 4.6 0.15 3.3 S 37.7 W 19.5 None
1 2019-12-03 06:46:27 4.2 0.14 5.6 N 52.2 W 61.5 None
2 2019-11-28 20:30:54 2.7 0.095 35.7 N 31.7 W 35 13.0
3 2019-11-28 13:22:10 2.6 0.092 None None None None None None
4 2019-11-28 11:55:02 2.5 0.089 22.1 S 25.7 E 22.5 24.7
我尝试过的代码行：
尝试使用df.apply()- 尽管通过我的搜索，我认为您不能以这种方式轻松引用两列......
df['lat'] = df['lat'].apply(lambda x: x * -1 if (df['lat-dir'][x] == 'S'))
for i, row in df.iterrows():
if (row['lat-dir'] == 'S'):
df['lat'][i].apply(lambda x: x*-1)
为此，我得到"numpy.float64"对象没有属性"应用"？
尝试使用屏蔽：
if( df['lon-dir'] == 'W'):
df['lon'] * -1
但坦率地说，我对下一步该怎么做很困惑。
编辑：
dfDate['lat'] = dfDate['lat'].apply(lambda row: row['lon'] * -1 , axis = 1 )
根据评论也尝试了这一点。
是的，通过以下任一方式：
A(使用矢量化掩码。==未矢量化;.eq(...)是。对于矢量化表达式，请使用dfDate['lon-dir'].eq('W')。然后否定这些行上的"lon"列。
B(按行使用apply()：dfDate['lon'] = dfDate.apply(lambda row: ..., axis=1)- 在您的 lambda 中根据值row['lon-dir']有选择地否定row['lon']-apply调用失败的原因是您需要应用于整个列/系列，而不是单个条目。所以：df['lat'].apply(lambda: ..., axis=1)
lat-dir/lon-dir本质上是符号列，您可以在读入它们时将它们转换为 +1/-1。
法典：
首先，您需要修复一些代码问题：
- 不要使用 u'..."记谱法。假设你使用的是Python 3.x，不需要u'...'，文本现在在3.x中默认是Unicode。如果你没有使用Python 3.x，你真的应该现在切换，2.x将于2020年1月1日日落。
- 将 JSON 列名称传递到数据帧上，让您的生活变得轻松：
df.columns = j['fields']
- 通过将
response.json()传递到pd.DataFrame.from_dict()中来读取JSON是一种痛苦;您的数据帧列成为字符串/"对象"，而不是将浮点数转换为浮点数。理想情况下，出于这个和其他方便的原因，我们应该使用pandas.read_json(..., dtype=...)。 - 您将需要转换数字列上的dtypes(例如字符串->浮点数(，并且还会自动将Python转换为
None->pandas/numpynan(为了矢量化代码，我们将编写优雅地处理nan而不是不断抛出烦人的TypeError: unsupported operand type(s) for *: 'NoneType' and 'int'(。你可以[用astype(...)、pd.to_numeric()或df.fillna(value=pd.np.nan, inplace=True) - 实际上，由于下面列出的多种原因(例如，整数不断被强制恢复为浮点数(，这些 nan 条目将继续成为痛苦，因此您可能希望通过执行以下操作来删除或至少暂时忽略 nan 行：
df2 = df.dropna(how='any', inplace=False)#可能与..., inplace=True无关.请注意，这会保留行索引，因此您始终可以在末尾将 df2 的结果插入回 df 中。阅读dropna文档，并弄清楚您想在什么确切时间点放弃nan。- 请注意，"vel"列实际上还有其他我们想忽略的nan，您需要弄清楚，或者暂时忽略它们：例如，做
df2 = df[['date','energy','impact-e','lat','lat-dir','lon','lon-dir']].dropna(how='any', inplace=False)
溶液
-
几种将纬度/纬度-目录列转换为 +/-1 符号的方法：
A1(如果你想要"正确"的，楠楠意识的方式，不会窒息楠......
df2['lat'] = df2['lat-dir'].map({'N': +1, 'S': -1})
df2['lon'] = df2['lon-dir'].map({'E': +1, 'W': -1})
A2) ...or a fast-and-dirty way:
(-1) ** df2['lat-dir'].eq('S')
(-1) ** df2['lon-dir'].eq('W')
B(但是您可以在一个逐行apply()函数中完成所有这些操作：
def fixup_latlon_signs(row):
row['lat'] = row['lat'] * (-1) ** (row['lat-dir'] == 'S')
row['lon'] = row['lon'] * (-1) ** (row['lon-dir'] == 'W')
return row
df2.apply(fixup_latlon_signs, axis=1)
# Then insert the non-NA rows we processed back into the parent dataframe:
df.update(df2)
# Strictly we can drop 'lat-dir','lon-dir' now...