使用 apply 函数可以工作，但是使用 .assign() 相同的函数却不能？

Question

我有点卡住了，我有一个可以使用的工作函数.apply()，但是，我似乎无法让它与 一起使用.assign()。我希望它能够与分配一起使用，这样我就可以将多个转换链接在一起。

有人能指出我解决问题的正确方向吗？

这有效

data = {'heading': ['some men', 'some men', 'some women']}

dataframe = pd.DataFrame(data=data)

def add_gender(x):
    if re.search("(womens?)", x.heading, re.IGNORECASE):
        return 'women'
    elif re.search("(mens?)", x.heading, re.IGNORECASE):
        return 'men'
    else:
        return 'unisex'

dataframe['g'] = dataframe.apply(lambda ref: add_gender(ref), axis=1)

这不起作用

dataframe = dataframe.assign(gender = lambda ref: add_gender(ref))

类型错误：预期的字符串或类似字节的对象

这是因为.assign()没有提供轴参数吗？那么也许该函数没有在寻找正确的东西？

阅读文档后，.assign您可以生成一个新列，因此我假设输出与.apply(axis=1)

Answer 1

来自以下文档DataFrame.assign：

\n

\n

DataFrame.分配(**kwargs)

\n

（...）

\n

参数 **kwargs ：{str：可调用或系列}的字典

\n

列名是关键字。如果这些值是可调用的，则会在 DataFrame 上计算它们并分配给新列。可调用对象不得更改输入 DataFrame（尽管 pandas 不会检查它\xe2\x80\x99）。如果值不可调用（例如系列、标量或数组），则仅对它们进行赋值。

\n

\n

这意味着在

\n

\n

dataframe = dataframe.assign(gender=lambda ref: add_gender(ref))\n

\n

\n

ref代表调用 DataFrame，即dataframe，因此您将整个传递dataframe给函数add_gender。但是，根据它的定义方式，add_gender期望将单行（Series对象）作为参数传递x，而不是整个 DataFrame。

\n

\n

if re.search("(womens?)", x.heading, re.IGNORECASE):\n

\n

\n

在 的情况下assign，代表( )的x.heading整列，它是一个对象。但是，仅适用于或类似的对象，因此会引发错误。而在 的情况下，对应于的每一行的字段，它们是值。headingdataframexSeriesre.searchstringbytesapplyx.headingheadingxdataframestring

\n

要解决这个问题，只需使用assignwith apply。请注意， in 中的 lambdalambda ref: add_gender(ref)是多余的，它相当于只是传递add_gender。

\n

dataframe = dataframe.assign(gender=lambda df: df.apply(add_gender, axis=1))\n

\n\n

作为建议，这里有一种更简洁的定义add_gender、使用Series.str.extract和 的方法Series.fillna。

\n

def add_gender(df):\n    pat = r\'\\b(men|women)s?\\b\'\n    return df[\'heading\'].str.extract(pat, flags=re.IGNORECASE).fillna(\'unisex\')\n

\n

关于正则表达式模式\'\\b(men|women)s?\\b\'：

\n

\n
• \\b匹配单词边界
\n
• (men|women)匹配men或women字面意义并捕获该组
\n
• s?火柴s零次或一次
\n

\n

Series.str.extract提取列的每个字符串值的捕获组heading。不匹配项设置为 NaN。然后，Series.fillna将 NaN 替换为“unisex”。

\n

在这种情况下，add_gender期望传递整个 DataFrame。有了这个定义，你可以简单地做

\n

dataframe = dataframe.assign(gender=add_gender)\n

\n

设置：

\n

import pandas as pd\nimport re\n\ndata = {\'heading\': [\'some men\', \'some men\', \'some women\', \'x mens\', \'y womens\',  \'other\', \'blahmenblah\', \'blahwomenblah\']}\ndataframe = pd.DataFrame(data=data)\n\ndef add_gender(df):\n    pat = r\'\\b(men|women)s?\\b\'\n    return df[\'heading\'].str.extract(pat, flags=re.IGNORECASE).fillna(\'unisex\')\n

\n

输出：

\n

>>> dataframe \n\n         heading\n0       some men\n1       some men\n2     some women\n3         x mens\n4       y womens\n5          other\n6    blahmenblah\n7  blahwomenblah\n\n>>> dataframe = dataframe.assign(gender = add_gender)\n>>> dataframe \n\n         heading  gender\n0       some men     men\n1       some men     men\n2     some women   women\n3         x mens     men\n4       y womens   women\n5          other  unisex\n6    blahmenblah  unisex\n7  blahwomenblah  unisex\n

\n