为什么我的Pandas的“应用”功能不能引用多个列？[关闭]

当将多个列与以下数据框一起使用时，Pandas Apply函数存在一些问题

df = DataFrame ({'a' : np.random.randn(6),
                 'b' : ['foo', 'bar'] * 3,
                 'c' : np.random.randn(6)})

和以下功能

def my_test(a, b):
    return a % b

当我尝试使用以下功能时：

df['Value'] = df.apply(lambda row: my_test(row[a], row[c]), axis=1)

我收到错误消息：

NameError: ("global name 'a' is not defined", u'occurred at index 0')

我不明白此消息，我正确定义了名称。

非常感谢您对此问题的帮助

更新资料

谢谢你的帮助。我确实在代码中犯了一些语法错误，索引应该放在''。但是，使用更复杂的功能仍然会遇到相同的问题，例如：

def my_test(a):
    cum_diff = 0
    for ix in df.index():
        cum_diff = cum_diff + (a - df['a'][ix])
    return cum_diff 

好像您忘记了''字符串。

In [43]: df['Value'] = df.apply(lambda row: my_test(row['a'], row['c']), axis=1)

In [44]: df
Out[44]:
                    a    b         c     Value
          0 -1.674308  foo  0.343801  0.044698
          1 -2.163236  bar -2.046438 -0.116798
          2 -0.199115  foo -0.458050 -0.199115
          3  0.918646  bar -0.007185 -0.001006
          4  1.336830  foo  0.534292  0.268245
          5  0.976844  bar -0.773630 -0.570417

在我看来，顺便说一句，以下方式更为优雅：

In [53]: def my_test2(row):
....:     return row['a'] % row['c']
....:     

In [54]: df['Value'] = df.apply(my_test2, axis=1)

如果您只想计算（a栏）％（b栏），则不需要apply，只需直接执行：

In [7]: df['a'] % df['c']                                                                                                                                                        
Out[7]: 
0   -1.132022                                                                                                                                                                    
1   -0.939493                                                                                                                                                                    
2    0.201931                                                                                                                                                                    
3    0.511374                                                                                                                                                                    
4   -0.694647                                                                                                                                                                    
5   -0.023486                                                                                                                                                                    
Name: a

假设我们要对DataFrame df的列“ a”和“ b”应用add5函数

def add5(x):
    return x+5

df[['a', 'b']].apply(add5)

以上所有建议均有效，但如果您希望提高计算效率，则应利用numpy向量运算（如此处所述）。

import pandas as pd
import numpy as np


df = pd.DataFrame ({'a' : np.random.randn(6),
             'b' : ['foo', 'bar'] * 3,
             'c' : np.random.randn(6)})

示例1：循环pandas.apply()：

%%timeit
def my_test2(row):
    return row['a'] % row['c']

df['Value'] = df.apply(my_test2, axis=1)

最慢的运行时间比最快的运行时间长7.49倍。这可能意味着正在缓存中间结果。1000个循环，最佳3：每个循环481 µs

示例2：使用进行矢量化pandas.apply()：

%%timeit
df['a'] % df['c']

最慢的运行时间比最快的运行时间长458.85倍。这可能意味着正在缓存中间结果。10000次循环，最好为3次：每个循环70.9 µs

示例3：使用numpy数组进行向量化：

%%timeit
df['a'].values % df['c'].values

最慢的运行时间比最快的运行时间长7.98倍。这可能意味着正在缓存中间结果。100000次循环，每循环3：6.39 µs最佳

因此，使用numpy数组进行向量化将速度提高了近两个数量级。

这与先前的解决方案相同，但是我已经在df.apply本身中定义了该函数：

df['Value'] = df.apply(lambda row: row['a']%row['c'], axis=1)

我已经比较了上面讨论的所有三个。

使用值

％timeit df ['value'] = df ['a']。values％df ['c']。values

每个回路139 µs±1.91 µs（平均±标准偏差，共运行7次，每个回路10000个）

没有价值

％timeit df ['value'] = df ['a']％df ['c'] 

每个循环216 µs±1.86 µs（平均±标准偏差，共运行7次，每个循环1000个）

套用功能

％timeit df ['Value'] = df.apply（lambda row：row ['a']％row ['c']，axis = 1）

每个回路474 µs±5.07 µs（平均±标准偏差，共运行7次，每个回路1000个）