在熊猫数据框上应用自定义函数[关闭]

Question

我有一个这样的熊猫数据框：

pd.DataFrame({
'gender': ['male', 'female', 'female', 'male', 'unknown'],
'height': [70, 61, 64, 73, 69]})

我正在尝试编写一个自定义函数，将汇总统计信息应用于男性/女性身高。然后，我想在 pandas 数据框上应用该自定义函数。 我不是在寻找 lambda 函数，必须是自定义函数。我的代码：

def get_summary(height):
    if df['gender'] == 'male':
        summary = np.mean(height)
    elif df['gender'] == 'female':
        summary = np.sqrt(height)
    else:
        summary = np.max(height)
    return summary

然后我想应用这个函数并将它分配给一个名为“summary”的新列。代码：

df['summary'] = df['height'].apply(get_summary)

我收到的错误信息：

ValueError：Series 的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。

Answer 1

比较height.name的第一个更改，值是分组列，这里gender并传递给GroupBy.transform以在Series中返回输出，长度与原始DataFrame相似，因此可以分配给新列：

def get_summary(x):
    print (x)
    print (x.name)

    if x.name == 'male':
        summary = np.mean(x)
    elif x.name == 'female':
        summary = np.sqrt(x)
    else:
        summary = np.max(x)
    return summary

df['summary'] = df.groupby('gender')['height'].transform(get_summary)
print (df)
    gender  height   summary
0     male      70  71.50000
1   female      61   7.81025
2   female      64   8.00000
3     male      73  71.50000
4  unknown      69  69.00000