Python:pandas应用vs.map

Question

我很难理解df.apply()到底是如何工作的。

我的问题如下：我有一个数据帧df。现在我想在几列中搜索某些字符串。如果在任何列中找到字符串，我要为找到该字符串的每一行添加一个“标签”（在新列中）。

我能用map和applymap解决问题（见下文）。

但是，我希望更好的解决方案是使用apply，因为它将函数应用于整个列。

问题：使用apply这不可能吗？我的错误在哪里？

这里是我使用map和applymap的解决方案。

df = pd.DataFrame([list("ABCDZ"),list("EAGHY"), list("IJKLA")], columns = ["h1","h2","h3","h4", "h5"])

使用map

的解决方案

def setlabel_func(column):
    return df[column].str.contains("A")

mask = sum(map(setlabel_func, ["h1","h5"]))
df.ix[mask==1,"New Column"] = "Label"

使用applymap

的溶液

mask = df[["h1","h5"]].applymap(lambda el: True if re.match("A",el) else False).T.any()
df.ix[mask == True, "New Column"] = "Label"

对于apply我不知道如何将这两列传递到函数中/或者可能根本不了解机制；-）

def setlabel_func(column):
    return df[column].str.contains("A")

df.apply(setlabel_func(["h1","h5"]),axis = 1)

上面提醒我。

'DataFrame' object has no attribute 'str'

有什么建议吗？请注意，实际应用程序中的搜索函数更复杂，需要一个regex函数，这就是我首先使用.str.contain的原因。

Answer 1

另一种解决方案是使用^{}获取每行至少一个True：

print (df[['h1', 'h5']].apply(lambda x: x.str.contains('A')))
      h1     h5
0   True  False
1  False  False
2  False   True

print (df[['h1', 'h5']].apply(lambda x: x.str.contains('A')).any(1))
0     True
1    False
2     True
dtype: bool

---

df['new'] = np.where(df[['h1','h5']].apply(lambda x: x.str.contains('A')).any(1),
                     'Label', '')

print (df)
  h1 h2 h3 h4 h5    new
0  A  B  C  D  Z  Label
1  E  A  G  H  Y       
2  I  J  K  L  A  Label

---

mask = df[['h1', 'h5']].apply(lambda x: x.str.contains('A')).any(1)
df.loc[mask, 'New'] = 'Label'
print (df)
  h1 h2 h3 h4 h5    New
0  A  B  C  D  Z  Label
1  E  A  G  H  Y    NaN
2  I  J  K  L  A  Label

Answer 2

你可以这样做：

In [23]: df['new'] = np.where(df[['h1','h5']].apply(lambda x: x.str.contains('A'))
                                             .sum(1) > 0,
                              'Label', '')

In [24]: df
Out[24]:
  h1 h2 h3 h4 h5    new
0  A  B  C  D  Z  Label
1  E  A  G  H  Y
2  I  J  K  L  A  Label

Answer 3

pd.DataFrame.apply遍历每个列，将列作为pd.Series传递给要应用的函数。在您的例子中，您试图应用的函数不适合在apply中使用

这样做是为了让你的想法发挥作用

mask = df[['h1', 'h5']].apply(lambda x: x.str.contains('A').any(), 1)
df.loc[mask, 'New Column'] = 'Label'

  h1 h2 h3 h4 h5 New Column
0  A  B  C  D  Z      Label
1  E  A  G  H  Y        NaN
2  I  J  K  L  A      Label

​