基于 index 和 col 将函数应用于 Dataframe 中的每个单元格

Question

我有一个熊猫数据框，其格式与this question 中的格式完全相同，我正在尝试实现相同的结果。就我而言，我正在计算行索引与其对应的列之间的fuzz-ratio。

如果我尝试此代码（基于链接问题的答案）

def get_similarities(x):
    return x.index + x.name

test_df = test_df.apply(get_similarities)

行索引和列名的连接是按单元格进行的，正如预期的那样。正如预期的那样，运行 type(test_df) 返回 pandas.core.frame.DataFrame。

但是，如果我像这样使代码适应我的场景

def get_similarities(x):
    return fuzz.partial_ratio(x.index, x.name)

test_df = test_df.apply(get_similarities)

它不起作用。我返回的是一个系列，而不是数据框（该函数的返回类型是 int）

我不明白为什么这两个样本的行为不同，也不明白如何修复我的代码，使其返回一个数据框，每个单元格的 fuzzy.ratio 位于该单元格的行索引和列名之间那个细胞。

Answer 1

有一种方法可以通过DataFrame.apply 进行一些行操作。

假设'test_df`如下：

In [73]: test_df
Out[73]: 
                  walking          caring          biking          eating
car            carwalking       carcaring       carbiking       careating
bike          bikewalking      bikecaring      bikebiking      bikeeating
sidewalk  sidewalkwalking  sidewalkcaring  sidewalkbiking  sidewalkeating
eatery      eaterywalking    eaterycaring    eaterybiking    eateryeating

In [74]: def get_ratio(row):
    ...:     return row.index.to_series().apply(lambda x: fuzz.partial_ratio(x, 
    ...: row.name))
    ...: 

In [75]: test_df.apply(get_ratio)
Out[75]: 
          walking  caring  biking  eating
car            33     100       0      33
bike           25      25      75      25
sidewalk       73      20      22      36
eatery         17      33       0      50

Answer 2

花了一些时间挖掘，但我想通了。问题在于DataFrame.apply 是按列或按行应用的，而不是逐个单元格的。因此，您的 get_similarities 函数实际上是一次访问整行或整列数据！默认情况下，它会获取整列——因此，要解决您的问题，您只需创建一个 get_similarities 函数，该函数返回一个列表，您可以在其中手动调用每个元素上的 fuzz.partial_ratio，如下所示：

import pandas as pd 
from fuzzywuzzy import fuzz

def get_similarities(x):

    l = []
    for rname in x.index:
        print "Getting ratio for %s and %s" % (rname, x.name)
        score = fuzz.partial_ratio(rname,x.name)
        print "Score %s" % score
        l.append(score)

    print len(l)
    print
    return l



a = pd.DataFrame([[1,2],[3,4]],index=['apple','banana'], columns=['aple','banada'])
c = a.apply(get_similarities,axis=0)

print c
print type(c)

我将我的打印语句留在了他们的文件中，这样您就可以看到 DataFrame.apply 调用为您自己做了什么——这就是我点击它的时候。

Answer 3

下面的方法呢？

假设我们有两组字符串：

In [245]: set1
Out[245]: ['car', 'bike', 'sidewalk', 'eatery']

In [246]: set2
Out[246]: ['walking', 'caring', 'biking', 'eating']

解决方案：

In [247]: from itertools import product

In [248]: res = np.array([fuzz.partial_ratio(*tup) for tup in product(set1, set2)])

In [249]: res = pd.DataFrame(res.reshape(len(set1), -1), index=set1, columns=set2)

In [250]: res
Out[250]:
          walking  caring  biking  eating
car            33     100       0      33
bike           25      25      75      25
sidewalk       73      20      22      36
eatery         17      33       0      50