为 pandas 数据框中的每一行应用 linspace

Question

如果我有一个数据框，例如像这样说 df

                     date     number_range  id
0 [2010-01-01, 2010-03-01]    [5, 10]       1
1 [2010-02-01, 2010-06-01]    [1, 3]        1
2 [2010-07-01, 2010-11-01]    [12-50]       1

我想通过查找日期差异然后将 linspace 应用于所有行来将 numpy.linspace 应用于上述内容。例如，第 0 行的日期差异为 2，应用 linspace(5,10,2)，第 1 行的差异为 4，应用 linspace(1,3,4)。

final result
-------------
                     date     number_range  id   linspace
0 [2010-01-01, 2010-03-01]    [5, 10]       1    [5, 10]
1 [2010-02-01, 2010-06-01]    [1, 3]        1    [1, 1.66667, 2.3333, 3]
2 [2010-07-01, 2010-12-01]    [12-50]       1    [12, 21.5, 31, 40.5, 50]

我试过 df.apply(lambda row: np.linspace(row['start_value'], row['end value'], row['diff']) 但我一直收到类型错误，说 'Series' 对象不能被解释为整数......我已经尝试做一个 diff.astype(int) 有同样的错误......不知道去哪里从那里开始。

Answer 1

确保您了解 row 是什么：

In [133]: def foo(row):
     ...:     print(row)
     ...: 
In [134]: df.apply(foo)
0    [2010-01-01, 2010-03-01]
1    [2010-02-01, 2010-06-01]
2    [2010-07-01, 2010-11-01]
Name: date, dtype: object
0     [5, 10]
1      [1, 3]
2    [12, 50]
Name: number_range, dtype: object
0    1
1    1
2    1
Name: id, dtype: int64
Out[134]: 
date            None
number_range    None
id              None
dtype: object

In [136]: def foo(row):
     ...:     print(row['start_value'], row['end_value'], row['diff'])
     ...: 
In [137]: df.apply(foo)
Traceback (most recent call last): 
...
KeyError: 'start_value'

根据另一个答案中建议的axis=1：

In [148]: def foo(row):
     ...:     print(type(row))
     ...:     print(row)
     ...:     print(row['date'])
     ...:     print(row['number_range'])

In [149]: df.apply(foo, axis=1)
<class 'pandas.core.series.Series'>
date            [2010-01-01, 2010-03-01]
number_range                     [5, 10]
id                                     1
Name: 0, dtype: object
['2010-01-01', '2010-03-01']
[5, 10]
<class 'pandas.core.series.Series'>
... 
['2010-02-01', '2010-06-01']
[1, 3]
<class 'pandas.core.series.Series'>
....
['2010-07-01', '2010-11-01']
[12, 50]

现在我们可以从 number_range 列中拉出端点：

In [150]: def foo(row):
     ...:     nr = row['number_range']
     ...:     return np.linspace(nr[0],nr[1],3)
     ...: 
In [151]: df.apply(foo, axis=1)
Out[151]: 
0      [5.0, 7.5, 10.0]
1       [1.0, 2.0, 3.0]
2    [12.0, 31.0, 50.0]
dtype: object

我可以用一个 linspace:

生成相同的数字

In [159]: df['number_range'].to_numpy()
Out[159]: array([list([5, 10]), list([1, 3]), list([12, 50])], dtype=object)
In [160]: nr = np.stack(df['number_range'].to_numpy())
In [161]: nr
Out[161]: 
array([[ 5, 10],
       [ 1,  3],
       [12, 50]])
In [162]: np.linspace(nr[:,0],nr[:,1],3).T
Out[162]: 
array([[ 5. ,  7.5, 10. ],
       [ 1. ,  2. ,  3. ],
       [12. , 31. , 50. ]])

我选择 3 用于所有行；我没有试图弄清楚你从哪里得到 2、4 和 5。

Answer 2

您可以将 apply() 与 axis=1 一起使用，如下所示：(if diff = [2,4,5])

df['linspace'] = df.apply(lambda x: np.round(
    np.linspace(x['number_range'][0],  x['number_range'][1], x['diff']),3), 
                          axis=1)
print(df)

或者首先，您可以创建 start_value 和 end_value 作为您的问题，然后创建 linspace 如下所示：

df[['start_value','end_value']] = pd.DataFrame(df['number_range'].to_list())
df['linspace'] = df.apply(lambda x: np.round(
    np.linspace(x['start_value'],  x['end_value'], x['diff']),3), axis=1)
print(df)

输出：

                       date number_range  diff                        linspace
0  [2010-01-01, 2010-03-01]      [5, 10]     2                     [5.0, 10.0]
1  [2010-02-01, 2010-06-01]       [1, 3]     4        [1.0, 1.667, 2.333, 3.0]
2  [2010-07-01, 2010-11-01]     [12, 50]     5  [12.0, 21.5, 31.0, 40.5, 50.0]

为 pandas 数据框中的每一行应用 linspace

Applying linspace for every row in a pandas dataframe

python

numpy

dataframe

python-3.x

pandas