如何在完整数据框中应用 def 函数？

如何解决如何在完整数据框中应用 def 函数？

我需要帮助来纠正功能。我对两件事感到困惑。

1. 如何将 for 循环放入 def 函数中。
2. 请更正我的其他功能。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. 它不能正常工作并且增加了超过 100 的值。这里有什么问题。

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

2. 为什么我不能在完整的数据帧上应用这个函数。请更正...

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

解决方法

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 应用于每一列一次。

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])

注意嵌套循环。

因此它产生 df 的原因：

   age1  age2
0    23    10
1    45    20
2    21   250

---

最后一个选项关闭：

def f(x):
  val=[]
  if x>=40:
      val = x+100
  else:
      val = x
  return val

df.apply(f,axis=1)

然而，x 是一系列值（DataFrame 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 DataFrame 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

---

然而，这里更多的熊猫方法是使用类似 DataFrame.mask 的东西：

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

df：

   age1  age2
0    23    10
1    45    20
2    21   150