apply()返回的是DataFrame而不是Series。

Question

In the folwwing code:
import pandas as pd
import sqlite3
import math
import numpy
con = sqlite3.connect(r'C:\Python34\factbook.db')
facts = pd.read_sql_query('select * from facts;', con)
facts.dropna(inplace=True)
facts = facts[facts['area_land']!=0][:]
facts = facts[facts['population']!=0][:]
facts.reset_index(drop=True, inplace=True)
def pop_50(name):
    pop = facts[facts['name'] == name]['population']
    perc = facts[facts['name'] == name]['population_growth']
    new_pop = pop*(math.e**(35*perc))
    return new_pop


x=pd.Series(data=facts['name'])
z = x.apply(pop_50) 

x 是一个 Series：

0                                        Afghanistan
1                                            Albania
2                                            Algeria
3                                            Andorra
4                                             Angola
5                                Antigua and Barbuda
6                                          Argentina
7                                            Armenia

等等等等...

但z不是。这里有一个链接，可以看到它是什么（一个数据框）：https://www.scribd.com/document/357697929/Doc1

我不明白为什么。pop_50函数返回一个单一的结果（我测试过了），那么为什么zed是DataFrame？ pop_50如何返回一个系列？它需要一行（其中facts['name'] == name)并从中取出单个值（在population列下），然后将其称为pop。它然后对perc执行相同的想法。new_pop是两个单独值的数学组合，因此它也是一个单独的值，并且该函数仅返回该值，难道不是吗？

谢谢。

- Moran Reznik

---

你能发布一下z的内容吗？在我的测试中，它是一个Pandas系列对象。 - James

这是因为你的返回值 new_pop 是一个序列。尝试返回一个整数。例如 new_pop.population.values[0]。 - Jan Zeiseweis

Answer 1

pop_50 返回一个 pd.Series。 x.apply(pop_50) 对 x 的每一行调用函数 pop_50，并将该行的值作为参数 name 传递给 pop_50。 因此，对于 x 中的第一行，您将返回一个系列。 对于第二行也是如此。 您最终得到了一系列系列...这是一个数据框。 此外，x 的索引将成为您结果的列。

请尝试使用以下内容：

facts2 = facts.set_index('name')

def pop_50(name):

    pop = facts2.at[name, 'population']
    perc = facts2.at[name, 'population_growth']
    new_pop = pop*(math.e**(35*perc))
    return new_pop

---

你也可以使用 pd.Series.squeeze。

def pop_50(name):
    pop = facts[facts['name'] == name]['population'].squeeze()
    perc = facts[facts['name'] == name]['population_growth'].squeeze()
    new_pop = pop*(math.e**(35*perc))
    return new_pop

---

如果由于某种原因无法更改pop_50，请将其包装在lambda中。

z = x.apply(lambda name: pop_50(name).squeeze()) 

- piRSquared

---

但是pop_50如何返回一个系列呢？它获取一行（其中facts ['name'] == name），从中获取单个值（在人口列下），然后调用它并将其命名为pop。然后对于perc执行相同的操作。new_pop是两个单个值的数学组合，因此它也是单个值，并且该函数仅返回该值，不是吗？ - Moran Reznik

facts['name'] == name 是一个布尔序列。即使它的长度为1，facts[facts['name'] == name] 也是一个序列。 - piRSquared

首先，非常感谢！如您所见：https://www.scribd.com/document/357700959/Doc2，pop正在努力从facts df中获取单个值，以及perc。问题不在函数中-我已经测试过它并且它可以工作。就像apply()会给pop_50整行而不是一次一个单独的值，但我不知道为什么会这样做，因为我在一个系列上使用了它。 - Moran Reznik

你刚刚证明了我的观点。你的链接显示了一个长度为一的系列，而不是标量。你需要将函数更改为我建议的方式或其他使其返回标量值的方法。此外，你可以尝试一下，看看它是否有效，而不是争论它是否会起作用。 - piRSquared

这只是一种过于简化的说法。你的语法是 df[rows_wanted][column_wanted]，它返回一个序列。请注意复数的 rows。事实证明，你希望只有一行符合条件。但这并不改变它是一个布尔值 序列 的事实，你正在使用它来切片数据框 df[rows_wanted]。你需要将 rows_wanted 改为 row_wanted。我向你展示了几种方法来做到这一点。此外，df[row_wanted][column_wanted] 被称为链式索引。df.at[row_wanted, column_wanted] 更好。 - piRSquared