python – 在pandas中将lambda函数应用于列失败

我不知道为什么索引方法在执行逐列应用函数时具有不一致的行为.

数据框是：

df = pd.DataFrame( [(1, 'Hello'), (2, "World")])
df.columns=['A', 'B']

我想将lambda应用于第二列,它说Series对象不能应用？

print df.iloc[:, 1:2].apply(lambda x: x.upper()).head()
 **AttributeError**:("'Series' object has no attribute 'upper'", u'occurred at index B')
print df.loc[:, ['B']].apply(lambda x: x.upper()).head()
 **AttributeError**:("'Series' object has no attribute 'upper'", u'occurred at index B')

但是,以下索引方法效果很好.

print df.loc[:, 'B'].apply(lambda x: x.upper()).head()

为什么？我认为三种指数方法是等价的？
如果打印出来,以上三种索引方法都有几乎相同的结果
那是：

   B
0  Hello
1  World

并打印df.loc [：,’B’]得到

0  Hello
1  World
Name: B, dtype: object

这些差异意味着什么？

解决方法:

当你用’B’索引时,你得到一个系列.当您使用1：2或[‘B’]进行索引时,您将获得一个包含一列的DataFrame.在系列上使用apply时,将在每个元素上调用您的函数.在DataFrame上使用apply时,将在每列上调用您的函数.

所以不,他们不等同.如果您有系列,您可以根据需要使用您的功能.如果您有一个单列DataFrame,则不能,因为它将列作为其参数传递,并且该列是没有upper方法的Series.

您可以看到它们不相同,因为打印出来时结果会有所不同.是的,它们几乎相同,但不一样.第一个有一个列标题,表明它是一个DataFrame;第二个没有列标题,但底部有“名称”,表示它是一个系列.