熊猫就地应用更新但返回无

Question

我不明白这种应用行为 .. pandas 应用更新但返回 None

>>>import pandas as pd
>>>df_test = pd.Series({0: {'A', 'E'},
                     1: {'A', 'C', 'E', 'S'},
                     2: {'A', 'C', 'E'},
                     3: {'A', 'C', 'E', 'S'},
                     4: {'A', 'E'}})
>>>df_test
0          {A, E}
1    {A, S, E, C}
2       {A, C, E}
3    {A, S, E, C}
4          {A, E}
dtype: object

>>>df_test.apply(lambda x: x.add("X"))
0    None
1    None
2    None
3    None
4    None
dtype: object

但是，

>>>df_test
0          {A, X, E}
1    {A, X, S, E, C}
2       {A, X, C, E}
3    {A, X, S, E, C}
4          {A, X, E}
dtype: object

所以 df_test 已更新。但是如果我这样做：

>>> df_test = df_test.apply(lambda x: x.add("X"))
>>> df_test
0    None
1    None
2    None
3    None
4    None
dtype: object

此行为的解释是什么 - 应用正在更新数据帧，但返回的类型为 None。

Answer 1

您在应用函数内部对 python 集进行操作。使用 add 是对该集合的就地操作，并且它（add 函数）返回 None。 做你想做的事，你可以这样做：

df_test = df_test.apply(lambda x: x |{"X"})

这将返回一个新集合，即每行的原始集合加上 X。

Answer 2

添加到 set 是返回 None 的就地操作，因此在更新系列时，从 apply 返回的副本将在每一行设置None。

如果您真的想在调用 apply 时查看结果，而不是添加到集合中，您可以使用两个集合的并集来获得所需的结果：

df_test.apply(lambda x: x | {'X'})

0          {A, X, E}
1    {A, X, E, C, S}
2       {A, X, E, C}
3    {A, X, E, C, S}
4          {A, X, E}

不修改原系列：

df_test   

0          {A, E}  
1    {A, E, C, S}  
2       {A, E, C}  
3    {A, E, C, S}  
4          {A, E}