Pandas DataFrame.Apply输出格式

Question

关于在Python的pandas.DataFrame中使用apply()方法的输出有疑问？

Q1 -

当apply函数返回与输入的形状相同的数组时，为什么该函数会返回一个格式与输入的pandas.DataFrame相同的pandas.DataFrame？

例如

foo = pd.DataFrame([[1,2],[3,4]],columns=['a','b'])
foo.apply(lambda x: [np.min(x)/2,np.max(x)/2], axis='index') 

代码将返回：

       a        b   
0   min(a)/2   min(b)/2  
1   max(a)/2   max(b)/2 

Q2 -

由于某些原因，我想输出一个数组的 pandaq.Series ：

0   [min(a)/2, max(a)/2]  
1   [min(b)/2, max(b)/2]
...

我尝试使用 reduce=True，但没有成功。 那么，我该怎么办呢？

先行致谢。

- David Leon

Answer 1

我更倾向于在可以使用 numpy 操作时避免使用 apply。

在这种情况下，至少有几个替代方案。以下是一些带基准测试的示例。如您所见，越接近 numpy，结果就越好。

import pandas as pd, numpy as np

foo = pd.DataFrame([[1,2],[3,4]],columns=['a','b'])

foo = pd.concat([foo]*10000, ignore_index=True)

def dark(df):
    return df.apply(lambda x: tuple([np.min(x)/2,np.max(x)/2]), axis=1)

def jp1(df):
    return [tuple([np.min(x)/2,np.max(x)/2]) for x in foo[['a', 'b']].values]

def jp2(df):
    arr = foo[['a', 'b']].values
    return list(zip(*(np.min(arr, axis=1)/2, np.max(arr, axis=1)/2)))

%timeit dark(foo)  # 4.95s
%timeit jp1(foo)   # 298ms
%timeit jp2(foo)   # 4.68ms

当然，dark()返回一个pd.Series，但是pandas允许你通过列表进行赋值。

- jpp

Answer 2

因为结果数组的 ndim 为 2。如果您查看 apply 的主代码 here，如果 ndim 为 2，则应用 DataFrame 构造函数。

    #Main Code
    ...
    # TODO: mixed type case
    if result.ndim == 2:
        return DataFrame(result, index=self.index, columns=self.columns)
    else:
        return Series(result, index=self._get_agg_axis(axis))

如果您想要结果作为一系列，那么请使用类似于tuple的东西，而不是列表，即

foo = pd.DataFrame([[1,2],[3,4]],columns=['a','b'])
foo.apply(lambda x: tuple([np.min(x)/2,np.max(x)/2]), axis=1)

输出：

0    (0.5, 1.0)
1    (1.5, 2.0)
dtype: object

希望它有所帮助。

- Bharath M Shetty

---

非常感谢您的回答，使用元组而不是数组可以解决问题。 - David Leon