为什么df.apply（元组）工作，但没有df.apply（名单）？

Question

这里有一个数据帧：

A B C 
0 6 2 -5 
1 2 5 2 
2 10 3 1 
3 -5 2 8 
4 3 6 2 

我可以检索一列基本上是从原来的df使用df.apply列的元组：

out = df.apply(tuple, 1) 
print(out) 

0 (6, 2, -5) 
1  (2, 5, 2) 
2 (10, 3, 1) 
3 (-5, 2, 8) 
4  (3, 6, 2) 
dtype: object 

但是，如果我想的值的列表，而不是一个他们中的元组，我不能这样做，因为它并没有给我什么，我想到：

out = df.apply(list, 1) 
print(out) 

    A B C 
0 6 2 -5 
1 2 5 2 
2 10 3 1 
3 -5 2 8 
4 3 6 2 

相反，我的东东d要做的事：

out = pd.Series(df.values.tolist()) 
print(out) 

0 [6, 2, -5] 
1  [2, 5, 2] 
2 [10, 3, 1] 
3 [-5, 2, 8] 
4  [3, 6, 2] 
dtype: object 

为什么我不能用df.apply(list, 1)得到我想要的？

---

附录一些可能的解决方法的

时序：

df_test = pd.concat([df] * 10000, 0) 

%timeit pd.Series(df.values.tolist()) # original workaround 
10000 loops, best of 3: 161 µs per loop 

%timeit df.apply(tuple, 1).apply(list, 1) # proposed by Alexander 
1000 loops, best of 3: 615 µs per loop 

Answer 1

罪魁祸首是here。随着func=tuple它的工作原理，但使用func=list从编译的模块lib.reduce内引发了一个异常：

ValueError: ('function does not reduce', 0) 

正如你所看到的，他们捕捉到了异常，但也懒得去处理它。

即使没有太宽泛的除外条款，这是熊猫中的一个错误。您可以尝试提高它自己的跟踪，但类似的问题已经被封闭，不会修复或欺骗的一番风味。

16321: weird behavior using apply() creating list based on current columns

15628: Dataframe.apply does not always return a Series when reduce=True

这后一个问题得到了关闭，然后重新打开，和几个月前转换成文档增强请求，现在似乎被用作任何相关问题的倾销地。

想必它不是一个高优先级，因为作为piRSquared commented（和熊猫维护者commented the same之一），你是一个列表理解更好：

pd.Series([list(x) for x in df.itertuples(index=False)]) 

通常apply将使用numpy ufunc或类似。