匿名函数的pandas .apply意外返回一系列函数对象

Question

在阅读apply documentation 时，我尝试执行与本示例中演示的操作类似的操作（直接从链接中提取）：

>>> df = pd.DataFrame([[4, 9]] * 3, columns=['A', 'B'])

>>> df

   A  B
0  4  9
1  4  9
2  4  9 

>>> df.apply(np.sum, axis=0)

A    12
B    27
dtype: int64

选择axis=0表示该函数应用于每一列，正如我们可以从新的行索引中看到的那样，它是先前列的名称。

但是，当我应用（我认为是）该函数的匿名版本而不是直接应用该函数时，发生了一些意外（免责声明：我知道这里没有理由使用匿名函数。我只是在试验用什么来建立我的直觉）。

这是我的功能：

>>> def my_function(a_column):
        values_in_col = list(set(a_column))
        new_strings_list = ["{}.{}".format(a_column.name,values) for values in values_in_col]
        return new_strings_list

它按我的预期工作：

>>> df

  A B
0 3 4
1 2 4
2 1 9

>>> df.apply(my_function, axis=0)

A ['A.1', 'A.2', 'A.3']
B ["B.4", "B.9"]

但如果我尝试通过 lambda 应用它，我会得到一系列函数对象：

>>> df2 = df.apply(lambda x: my_function, axis=0)
>>> df2

A    <function generate_new_col_names at 0x11938ab90>
B    <function generate_new_col_names at 0x11938ab90>
dtype: object

>>> df2[0](df["A"])
['A.1', 'A.2', 'A.3']

>>> type(df2)
<class 'pandas.core.series.Series'>

>>> type(df2[1])
<class 'function'>

所以，有几件事。

1) 当 df2[#] 的类型不是对象时，“dtype:object”是怎么回事？我认为 dtype 必须来自 pandas，而 type 必须来自 python，这可以解释这一点，but the conversion doesn't seem to hold。

2) 依次传递给 lambda 的每个“x”都应该是一列，因为我的参数 axis=0，对吧？那么，为什么我得到的东西与直接插入每一列时不同呢？

>>> my_function(df.A)
['A.1', 'A.2', 'A.3']

>>> (lambda x: my_function(x))(df.A)
['A.1', 'A.2', 'A.3']

它似乎是在吐出实际函数而不是评估函数——那么输入到哪里去了？我尝试了这个实验，它似乎是在评估函数而不是返回函数对象：

>>> def my_other_func(x): # I'm just doing an external def'n to mirror what happened before
     return x + 1

>>> my_other_func(4)
5

>>> (lambda x: my_other_func(x))(4)
5

>>> test = (lambda x: my_other_func(x))(4)
>>> type(test)
int

所以看来“apply”的使用与我对之前结果的错误预期有关。

Answer 1

没关系，我想通了。

>>> df.apply(lambda x: my_function, axis=0)

产生一系列函数对象，但是

>>> df.apply(lambda x: my_function(x), axis=0)

产生预期的结果。