Pandas Apply函数不能正常工作(Python 3)

Question

摘要

程序:我有三个功能.函数A,B和C.函数A使用apply()将函数B和C应用于全局Pandas DataFrame.

问题:检查结果表明只有功能B应用于全局数据帧

其他说明:如果我从python解释器应用函数C,那么它的工作原理.

---

长版

这个问题的三个主要功能是:

load_paypal():将数据加载到全局Pandas DataFrame中,并将其他两个函数应用于几列.

read_cash():读取值,删除美元符号,逗号等并返回一个数字

read_date():读取一个字符串并返回一个日期时间.

我遇到的问题是,当我使用apply()来应用read_cash时,它似乎工作但read_date却没有.另外,当我使用read_date函数和python解释器中的apply时,使用完全相同的代码,我得到预期的结果,即它可以工作.

功能

load_paypal

def load_paypal():
    global paypal_data
    paypal_data = pd.DataFrame( pd.read_csv(open("Download.csv") ) )
    paypal_data = paypal_data.fillna(0)
    cash_names = ('Gross', 'Fee', 'Net', 'Shipping and Handling Amount', 'Sales Tax', 'Balance')

    for names in cash_names:
        paypal_data[names].apply( ryan_tools.read_cash )

    paypal_data = paypal_data.rename(columns = { paypal_data.columns[0] : 'Date'})

    paypal_data['Date'].apply( ryan_tools.read_date )
    print( paypal_data['Date'] ) # The 'Date' datatype is still a string here
    print( paypal_data['Net'] ) # The 'Net' datatype is proven to be converted
    # to a number over here( It definitely starts out as a string )
    return

ryan_tools.read_date

def read_date(text):
    for fmt in ( '%m/%d/%y' , '%M/%D/%y' , '%m/%d/%Y', '%Y/%m/%d', '%Y/%M/%D', 'Report Date :%m/%d/%Y', '%Y%M%D' , '%Y%m%d' ):
        try:
            return datetime.datetime.strptime(text, fmt)
        except ValueError:
            pass
    raise ValueError('No Valid Date found')

ryan_tools.read_cash

def read_cash(text):
    text = str(text)
    if text == '':
        return 0
    temp = text.replace(' ', '')
    temp = text.replace(',', '')
    temp = temp.replace('$', '')

    if ('(' in temp or ')' in temp):
        temp = temp.replace('(', '')
        temp = temp.replace(')', '')
        ans = float(temp) * -1.0
        return ans
    ans = round(float(temp),2)

    return ans

注意:ryan_tools只是我常用的有用函数的一般文件

Answer 1

.apply() 不是就地操作(即,它返回一个新对象而不是修改原始对象):

In [3]: df = pd.DataFrame(np.arange(10).reshape(2,5))

In [4]: df
Out[4]:
   0  1  2  3  4
0  0  1  2  3  4
1  5  6  7  8  9

In [5]: df[4].apply(lambda x: x+100)
Out[5]:
0    104
1    109
Name: 4, dtype: int64

In [6]: df
Out[6]:
   0  1  2  3  4
0  0  1  2  3  4
1  5  6  7  8  9

您可能想要的是将列重新分配给您创建的新列.apply():

paypal_data['Date'] = paypal_data['Date'].apply(ryan_tools.read_date)