将 .apply 与熊猫一起使用的正确方法是什么？

Question

我正在使用包含“纬度”和“经度”列的百万行 CSV 数据集，并且我想根据称为“州”的列创建一个新列，该列是包含这些坐标的美国州.

import pandas as pd
import numpy as np
import os
from uszipcode import ZipcodeSearchEngine

def convert_to_state(coord):
    lat, lon = coord["latitude"], coord["longitude"]
    res = search.by_coordinate(lat, lon, radius=1, returns=1)
    state = res.State
    return state

def get_state(path):
    with open(path + "USA_downloads.csv", 'r+') as f:
        data = pd.read_csv(f)
        data["state"] = data.loc[:, ["latitude", "longitude"]].apply(convert_to_state, axis=1)

get_state(path)

我不断收到错误消息“DtypeWarning：列 (4,5) 具有混合类型。在导入时指定 dtype 选项或设置 low_memory=False。”第 4 列和第 5 列对应于纬度和经度。我不明白我将如何使用 .apply 来完成这项任务，或者 .apply 是否是完成这项工作的正确方法。我应该如何进行？

Answer 1

我相信这会更快地实现您的程序：

import pandas as pd
import numpy as np
import os
from uszipcode import ZipcodeSearchEngine

def convert_to_state(lat, lon):
    lat, lon = round(lat, 7), round(lon, 7)
    res = search.by_coordinate(lat, lon, radius=1, returns=1)
    state = res.State
    return state

def get_state(path):
    with open(path + "USA_downloads.csv", 'r+') as f:
        data = pd.read_csv(f)
        data["state"] = np.vectorize(convert_to_state)(data["latitude"].values, data["longitude"].values)

get_state(path)

它使用numpy.vectorize 来加快速度（尽管它仍然是一个循环），然后使用从DataFrame 的'latitude' 和'longitude' 列获得的值调用函数，转换为@987654325 @（.values 属性就是这样做的）。

---

如果你想继续使用.apply()，你可以这样做：

state = data.apply(lambda x: convert_to_state(x['latitude'], x['longitude']), axis=1)
data["state"] = state

---

编辑

要避免uszipcode 引发TypeError，请使用以下命令：

def convert_to_state(lat, lon):
    try:
        res = search.by_coordinate(lat, lon, radius=1, returns=1)
        state = res.State
    except TypeError as TE:
        state = None
    return state

如果你想进一步调试uszipcode，以及它导致错误的原因，我建议你再问一个问题，用适当的标签，有人会帮助你。我对这个包没有经验，所以我可能帮不上什么忙。