python pandaları: bir seriye argümanları olan bir işlev uygulama

Python pandalar bir dizi bağımsız değişkenleri ile bir işlev uygulamak istiyorum:

x = my_series.apply(my_function, more_arguments_1)
y = my_series.apply(my_function, more_arguments_2)
...

Dokümantasyon yöntemini uygulamak bir desteği açıklanır, ancak herhangi bir argüman kabul etmez. Argümanları kabul eden farklı bir yöntem var mı? Alternatif olarak, basit bir geçici çözümü kaçırıyor muyum?

Güncelleme (Ekim 2017): Bu soru başlangıçta pandaların apply()konum ve anahtar kelime argümanlarını işleyecek şekilde güncellendiği ve yukarıdaki dokümantasyon bağlantısının şimdi bunu yansıttığını ve her iki argümanın nasıl dahil edileceğini gösterdiğini unutmayın.

Pandalar yeni versiyonları yapmak ekstra argümanlar (bkz geçmesine izin yeni belgelere ). Şimdi şunları yapabilirsiniz:

my_series.apply(your_function, args=(2,3,4), extra_kw=1)

Konumsal argümanlar serinin elemanından sonra eklenir .

Pandaların eski sürümleri için:

Dokümantasyon bunu açıkça açıklıyor. Apply yöntemi, tek bir parametreye sahip olması gereken bir python işlevini kabul eder. Daha fazla parametre geçmek istiyorsanız, functools.partialyorumunda Joel Cornett tarafından önerildiği gibi kullanmalısınız .

Bir örnek:

>>> import functools
>>> import operator
>>> add_3 = functools.partial(operator.add,3)
>>> add_3(2)
5
>>> add_3(7)
10

Anahtar kelime bağımsız değişkenlerini kullanarak da iletebilirsiniz partial.

Başka bir yol bir lambda oluşturmak olabilir:

my_series.apply((lambda x: your_func(a,b,c,d,...,x)))

Ama bence partialkullanımı daha iyi.

Adımlar:

1. Veri çerçevesi oluşturma
2. İşlev oluşturma
3. Apply deyiminde işlevin adlandırılmış bağımsız değişkenlerini kullanın.

Misal

x=pd.DataFrame([1,2,3,4])  

def add(i1, i2):  
    return i1+i2

x.apply(add,i2=9)

Bu örneğin sonucu, veri çerçevesindeki her sayının 9 sayısına eklenmesidir.

    0
0  10
1  11
2  12
3  13

Açıklama:

"Ekle" işlevinin iki parametresi vardır: i1, i2. İlk parametre veri çerçevesindeki değer, ikincisi ise "uygula" işlevine ilettiğimiz değerdir. Bu durumda, "i2" anahtar kelime bağımsız değişkenini kullanarak uygulama işlevine "9" iletiyoruz.

Series.apply(func, convert_dtype=True, args=(), **kwds)

args : tuple

x = my_series.apply(my_function, args = (arg1,))

applyAdsız bağımsız değişkenler aracılığıyla, argsparametreye bir demet olarak iletilen veya kwdsparametre tarafından dahili olarak sözlük olarak yakalanan diğer anahtar sözcük bağımsız değişkenleri aracılığıyla çağrılan işleve istediğiniz sayıda bağımsız değişken iletebilirsiniz .

Örneğin, 3 ile 6 arasındaki değerler için True, aksi halde False döndüren bir işlev oluşturalım.

s = pd.Series(np.random.randint(0,10, 10))
s

0    5
1    3
2    1
3    1
4    6
5    0
6    3
7    4
8    9
9    6
dtype: int64

s.apply(lambda x: x >= 3 and x <= 6)

0     True
1     True
2    False
3    False
4     True
5    False
6     True
7     True
8    False
9     True
dtype: bool

Bu anonim işlev çok esnek değil. Serimizde istediğimiz min ve maks değerlerini kontrol etmek için iki argümanla normal bir işlev oluşturalım.

def between(x, low, high):
    return x >= low and x =< high

Adsız argümanları ileterek ilk işlevin çıktısını çoğaltabiliriz args:

s.apply(between, args=(3,6))

Ya da adlandırılmış argümanları kullanabiliriz

s.apply(between, low=3, high=6)

Ya da her ikisinin bir kombinasyonu

s.apply(between, args=(3,), high=6)