无法子集df.apply

我有一个数据帧中数据帧，姑且称之为trim_df，由USER_ID索引像这样：无法子集df.apply

  d_timestamp_dt    flagged 
user_id           
1234567890  2015-04-30     False 
0987654321  2015-04-30     False

我试图创建一个使用df.apply的“ACCUM”变量（），像这样：

df['new_col'] = df.apply(lambda row: my_func(row, time_period1), axis=1)

这里是my_func，并将是如何定义的？意见表明，当我运行应用（）什么执行：

def my_func(row, time_period): 
    print type(row) # <class 'pandas.core.series.Series'> 

    user_id   = row['user_id'] # 123456789 
    row_time  = row['d_timestamp_dt'] # 2015-04-16 23:05:00 
    user_rows  = trim_df.loc[user_id] 
    print type(user_rows) # <class 'pandas.core.series.Series'> WHY??? shouldn't it be a DataFrame? 

    user_rows_of_interest = user_rows[((user_rows['flagged'] == True) & 
             ((row_time - user_rows['d_timestamp_dt']) > time_period0) & 
             ((row_time - user_rows['d_timestamp_dt']) < time_period))] 
    print type(user_rows_of_interest) # <class 'pandas.tslib.Timestamp'> ...expecting this to be a DataFrame 
    return len(user_rows_of_interest) # breaks, because Timestamp doesn't have len()

真正令我困惑的是，当我尝试单步执行函数（不使用apply）时，我得到了我期望的DataFrame，即不是Series，然后是Timestamp。真的很感谢任何有关正在发生的事情！

来源

2015-04-30 Natalie Arellano

time_period1 =？另外，你的函数依赖于全局的time_period0。 – Alexander

time_period1被定义为datetime.timedelta（天数= 1）。另外，我遗漏了一些非常重要的东西 - 我应用此函数的数据框df与trim_df不同，即它具有user_id列，并且由row_id而不是user_id索引。 –

我相信你需要将user_id设置为行的索引值。 lambda expressio将DataFrame的每一行作为一个Series传递，并且DataFrame没有'user_id'作为列（它是索引列）。

user_id = row.index

来源

2015-04-30 22:43:01 Alexander

看来trim_df.loc [user_id]是罪魁祸首......它正在返回一个Series。我不太清楚为什么，也许是因为user_id（尽管索引）不是唯一的？ trim_df.loc [trim_df.index == user_id]似乎正在工作。

来源

2015-05-01 03:05:36

无法子集df.apply

回答

相关问题