Access trong pandas.Series.apply

Question

phép nói rằng tôi có một MultiIndex Dòng s:

>>> s 
    values 
a b 
1 2 0.1 
3 6 0.3 
4 4 0.7 

và tôi muốn áp dụng một chức năng trong đó sử dụng các chỉ số của hàng:

def f(x): 
    # conditions or computations using the indexes 
    if x.index[0] and ...: 
    other = sum(x.index) + ... 
    return something 

thế nào Tôi có thể làm s.apply(f) để có chức năng như vậy không? Cách được khuyến nghị để thực hiện loại hoạt động này là gì? Tôi mong đợi để có được một Series mới với các giá trị kết quả từ chức năng này được áp dụng trên mỗi hàng và cùng một MultiIndex.

Answer 1

Tôi không tin rằng apply có quyền truy cập vào chỉ mục; nó đối xử với mỗi hàng như một đối tượng NumPy, không phải là một Series, như bạn có thể thấy:

In [27]: s.apply(lambda x: type(x)) 
Out[27]: 
a b 
1 2 <type 'numpy.float64'> 
3 6 <type 'numpy.float64'> 
4 4 <type 'numpy.float64'> 

Để khắc phục hạn chế này, thúc đẩy các chỉ số vào các cột, áp dụng chức năng của bạn, và tạo một dòng với chỉ số ban đầu.

Series(s.reset_index().apply(f, axis=1).values, index=s.index) 

cách tiếp cận khác có thể sử dụng s.get_level_values, mà thường được một chút xấu xí trong quan điểm của tôi, hoặc s.iterrows(), mà có thể sẽ chậm hơn - có lẽ tùy thuộc vào chính xác những gì f làm.

Answer 2

Làm cho nó một khung hình, trở vô hướng nếu bạn muốn (do đó kết quả là một series)

Cài đặt

In [11]: s = Series([1,2,3],dtype='float64',index=['a','b','c']) 

In [12]: s 
Out[12]: 
a 1 
b 2 
c 3 
dtype: float64 

In ấn chức năng

In [13]: def f(x): 
    print type(x), x 
    return x 
    ....: 

In [14]: pd.DataFrame(s).apply(f) 
<class 'pandas.core.series.Series'> a 1 
b 2 
c 3 
Name: 0, dtype: float64 
<class 'pandas.core.series.Series'> a 1 
b 2 
c 3 
Name: 0, dtype: float64 
Out[14]: 
    0 
a 1 
b 2 
c 3 

Vì bạn có thể trở lại bất cứ điều gì ở đây, chỉ trả lại vô hướng (truy cập chỉ mục qua thuộc tính name)

In [15]: pd.DataFrame(s).apply(lambda x: 5 if x.name == 'a' else x[0] ,1) 
Out[15]: 
a 5 
b 2 
c 3 
dtype: float64 

Answer 3

Bạn thể thấy nó nhanh hơn để sử dụng where hơn apply đây:

In [11]: s = pd.Series([1., 2., 3.], index=['a' ,'b', 'c']) 

In [12]: s.where(s.index != 'a', 5) 
Out[12]: 
a 5 
b 2 
c 3 
dtype: float64 

Ngoài ra bạn có thể sử dụng NumPy kiểu logic/chức năng để bất cứ bộ phận:

In [13]: (2 * s + 1).where((s.index == 'b') | (s.index == 'c'), -s) 
Out[13]: 
a -1 
b 5 
c 7 
dtype: float64 

In [14]: (2 * s + 1).where(s.index != 'a', -s) 
Out[14]: 
a -1 
b 5 
c 7 
dtype: float64 

Tôi khuyên bạn nên thử nghiệm cho tốc độ (như hiệu quả chống lại áp dụng sẽ phụ thuộc vào chức năng). Mặc dù, tôi thấy rằng apply s dễ đọc hơn ...

Answer 4

Bạn có thể truy nhập toàn bộ hàng làm đối số bên trong fucntion nếu bạn sử dụng DataFrame.apply() thay cho Series.apply().

def f1(row): 
    if row['I'] < 0.5: 
     return 0 
    else: 
     return 1 

def f2(row): 
    if row['N1']==1: 
     return 0 
    else: 
     return 1 

import pandas as pd 
import numpy as np 
df4 = pd.DataFrame(np.random.rand(6,1), columns=list('I')) 
df4['N1']=df4.apply(f1, axis=1) 
df4['N2']=df4.apply(f2, axis=1) 

Answer 5

Chuyển đổi thành DataFrame và áp dụng dọc theo hàng. Bạn có thể truy cập chỉ mục dưới dạng x.name. x cũng là một Series bây giờ với 1 giá trị

s.to_frame(0).apply(f, axis=1)[0]