尝试使用 apply 对 Panda DataFrame 中的不同键进行操作答案

【问题标题】：Trying to use apply to make operations over different keys in a Panda DataFrame尝试使用 apply 对 Panda DataFrame 中的不同键进行操作
【发布时间】：2021-01-10 21:47:32
【问题描述】：

我有一个看起来有点像这样的 Panda DataFrame：

df = pd.DataFrame({'ID' : ['O60829','O60341','Q9H1R3'], 'TOTAL_COVERAGE' : ['yes','yes','no'], 'BEG_D' : ['1','1','500'], 'END_D' : ['102','25','600'], 'BEG_S' : ['1','1','1'], 'END_S': ['102','25','458']})

我想遍历每一行，检查“TOTAL_COVERAGE”的值，如果是“是”，对其他值执行数学运算，即：

for index, row in df.iterrows():
    df['%']  = df.apply(lambda x : ((int(x['END_S'])*100)/int(x['END_D'])) if x['TOTAL_COVERAGE'] == 'yes' else '')

但我收到错误消息：KeyError: 'TOTAL_COVERAGE' 必须有一个我没有看到的简单修复。提前致谢！

【问题讨论】：

列END_M在哪里？
Ups，这是一个错字！它就在这里，不在我的代码中
旁注：FWIW，对非完全覆盖的 stuff 有一个百分比对报告很有帮助。在您的情况下为 76.33%。如果有的话，TOTAL_COVERAGE=yes/no 应该从 'END_S' == 'END_D' 的 % 或更好的值计算出来。

标签： python pandas lambda keyerror

【解决方案1】：

你可以不用iterrows和apply，直接等同：

df['%'] = ''
df.loc[df['TOTAL_COVERAGE'] == 'yes', '%'] = 
    df['END_S'].astype(int) * 100 / df['END_D'].astype(int)

【讨论】：

【解决方案2】：

你可以用矢量化的方法解决它，不需要iterrows和apply：

df['%'] = (df['END_S'].astype(int) * 100 / df['END_D'].astype(int)) \
            .where(df['TOTAL_COVERAGE'] == 'yes')

df

#       ID TOTAL_COVERAGE BEG_D END_D BEG_S END_S      %
#0  O60829            yes     1   102     1   102  100.0
#1  O60341            yes     1    25     1    25  100.0
#2  Q9H1R3             no   500   600     1   458    NaN

您收到 keyError 的原因是因为当您使用 apply 时，lambda x 的参数是一个列（熊猫系列），它不能用于通过其名称访问特定列。

【讨论】：

这似乎工作得很好，我理解这个问题。谢谢！一个后续问题是，如果我在该行之后使用 groupby，我似乎只保留具有“是”值的那些，而不是带有 NaN 的那个。为什么会这样？
如果你按% 列分组，我认为这是因为 groupby 默认会删除 nan。如果要保留nan 行，可以在groupby 中设置dropna=False。即groupby(['%'], dropna=False).

【解决方案3】：

不需要iterrows()。条件逻辑可以使用numpy.where() 完成，以提供更有效的解决方案

df = pd.DataFrame({'ID' : ['O60829','O60341','Q9H1R3'], 'TOTAL_COVERAGE' : ['yes','yes','no'], 'BEG_D' : ['1','1','500'], 'END_D' : ['102','25','600'], 'BEG_S' : ['1','1','1'], 'END_S': ['102','25','458']})
df = (df
 .assign(pct=lambda x: np.where(x["TOTAL_COVERAGE"].eq("yes"),(x['END_S'].astype(int)*100)/x['END_D'].astype(int), np.nan))
 .rename(columns={"pct":"%"})
)

输出

     ID TOTAL_COVERAGE BEG_D END_D BEG_S END_S      %
 O60829            yes     1   102     1   102  100.0
 O60341            yes     1    25     1    25  100.0
 Q9H1R3             no   500   600     1   458    NaN

【讨论】：