Pandas 应用功能无法始终如一地工作 (Python 3)

Question

总结

程序：我有三个功能。函数 A、B 和 C。函数 A 使用 apply() 将函数 B 和 C 应用于全局 Pandas DataFrame。

问题：检查结果显示只有函数 B 应用于全局数据帧

其他注意事项：如果我从 python 解释器应用 Function C，那么它就可以工作。

长版

本题的三个主要函数是：

load_paypal()：将数据加载到一个 gobal Pandas DataFrame 并将其他两个函数应用于几个列。

read_cash()：读入值，去掉美元符号、逗号等和returns一个数字

read_date()：读取字符串和 returns 日期时间。

我遇到的问题是，当我使用 apply() 应用 read_cash 时，它似乎有效，但 read_date 无效。此外，当我将 read_date 函数与来自 python 解释器的 apply 一起使用时，使用完全相同的代码，我得到了预期的结果，即它有效。

函数

load_paypal

def load_paypal():
    global paypal_data
    paypal_data = pd.DataFrame( pd.read_csv(open("Download.csv") ) )
    paypal_data = paypal_data.fillna(0)
    cash_names = ('Gross', 'Fee', 'Net', 'Shipping and Handling Amount', 'Sales Tax', 'Balance')

    for names in cash_names:
        paypal_data[names].apply( ryan_tools.read_cash )

    paypal_data = paypal_data.rename(columns = { paypal_data.columns[0] : 'Date'})

    paypal_data['Date'].apply( ryan_tools.read_date )
    print( paypal_data['Date'] ) # The 'Date' datatype is still a string here
    print( paypal_data['Net'] ) # The 'Net' datatype is proven to be converted
    # to a number over here( It definitely starts out as a string )
    return

ryan_tools.read_date

def read_date(text):
    for fmt in ( '%m/%d/%y' , '%M/%D/%y' , '%m/%d/%Y', '%Y/%m/%d', '%Y/%M/%D', 'Report Date :%m/%d/%Y', '%Y%M%D' , '%Y%m%d' ):
        try:
            return datetime.datetime.strptime(text, fmt)
        except ValueError:
            pass
    raise ValueError('No Valid Date found')

ryan_tools.read_cash

def read_cash(text):
    text = str(text)
    if text == '':
        return 0
    temp = text.replace(' ', '')
    temp = text.replace(',', '')
    temp = temp.replace('$', '')

    if ('(' in temp or ')' in temp):
        temp = temp.replace('(', '')
        temp = temp.replace(')', '')
        ans = float(temp) * -1.0
        return ans
    ans = round(float(temp),2)

    return ans

注：ryan_tools只是我常用的有用功能的总档

Answer 1

.apply() 不是就地操作（即 returns 一个新对象而不是修改原始对象）：

In [3]: df = pd.DataFrame(np.arange(10).reshape(2,5))

In [4]: df
Out[4]:
   0  1  2  3  4
0  0  1  2  3  4
1  5  6  7  8  9

In [5]: df[4].apply(lambda x: x+100)
Out[5]:
0    104
1    109
Name: 4, dtype: int64

In [6]: df
Out[6]:
   0  1  2  3  4
0  0  1  2  3  4
1  5  6  7  8  9

您可能想要将该列重新分配给您 .apply():

创建的新列

paypal_data['Date'] = paypal_data['Date'].apply(ryan_tools.read_date)

Pandas 应用功能无法始终如一地工作 (Python 3)

Pandas Apply function not working consistently (Python 3)

python

apply

dataframe

python-3.x

pandas

总结

长版

函数