Pandas的value_counts() for循环作为lambda失败

Question

我有一些包含三个变量的数据帧，我想为每个变量的每个标签的相对计数创建一个字典。

我很容易地创建了一个forloop，输出我想要的结果，但是我的lambda产生了奇怪的结果。

数据如下:

In [3]:
import pandas as pd
raw_data = {
    'category1': ['Red', 'Red', 'Red', 'Green'],
    'category2': ['Plane', 'Plane', 'Plane', 'Car'],
    'category3': ['Orange', 'Orange', 'Orange', 'Banana'],
    }
df = pd.DataFrame(raw_data)
df
Out[3]:
category1   category2   category3
0   Red Plane   Orange
1   Red Plane   Orange
2   Red Plane   Orange
3   Green   Car Banana

这个for循环产生我想要的确切输出:

In [4]:
forloop = {}
for column in df:
    forloop[column] = df[column].value_counts(normalize=True).to_dict()
forloop
Out[4]:
{'category1': {'Green': 0.25, 'Red': 0.75},
 'category2': {'Car': 0.25, 'Plane': 0.75},
 'category3': {'Banana': 0.25, 'Orange': 0.75}}

然而，由于某些未知的原因，这个lambda失败了:

In [6]:
ratio = lambda x: x.value_counts(normalize=True).to_dict()
output_lambda = df.apply(ratio)
output_lambda
Out[6]:
category1    <built-in method values of dict object at 0x10...
category2    <built-in method values of dict object at 0x10...
category3    <built-in method values of dict object at 0x10...
dtype: object

Answer 1

我实际上不明白这里出了什么问题，除了没有解包dict调用，这里有一个迂回的方法来实现你想要的:

In [86]:
ratio = lambda x: x.value_counts(normalize=True)
output_lambda = df.apply(lambda x: [x.value_counts().to_dict()]).apply(lambda x: x[0]).to_dict()
output_lambda
Out[86]:
{'category1': {'Green': 1, 'Red': 3},
 'category2': {'Car': 1, 'Plane': 3},
 'category3': {'Banana': 1, 'Orange': 3}}

它看起来像是将函数对象绑定为列值，而不是将其解包到字典中，我上面所做的是返回value_counts作为列表，然后再次调用apply来解包单个元素列表。这将强制在初始apply调用中将字典解压缩为单个元素列表:

In [87]:
output_lambda = df.apply(lambda x: [x.value_counts().to_dict()])
output_lambda
Out[87]:
category1        [{'Green': 1, 'Red': 3}]
category2        [{'Plane': 3, 'Car': 1}]
category3    [{'Banana': 1, 'Orange': 3}]
dtype: object

Answer 2

我猜问题是lambda函数返回的对象不能被熊猫转换为Series或DataFrame(但应该由熊猫专家确认)。

您只需稍微修改一下代码就可以达到几乎相同的效果:

ratio = lambda x: x.value_counts(normalize=True)
output_lambda = df.apply(ratio).to_dict()

如果你不想在output_lambda中有nan，你可以使用像这个答案中提出的解决方案:https://stackoverflow.com/a/26033302/4709400