我了解如何取正数和负数的立方根。但是当尝试使用apply-lambda 方法来有效地处理数据帧的所有元素时，我遇到了一个模棱两可的问题。有趣的是，等式不会出现这个错误，所以我想知道代码可能有什么问题：
sample[columns]=sample[columns].apply(lambda x: (-1)*np.power(-x,1./3) if x<0 else np.power(x,1./3))
【问题讨论】：
标签： python python-3.x pandas numpy dataframe
看起来您正在传递列名的列表或数组。我假设这是因为您的变量名称是复数，末尾带有 s。如果是这种情况，那么sample[columns] 是一个数据框。这是一个问题，因为apply 遍历每一列，将您传递给apply 的lambda 传递给该列。所以你得到了
(-1) * np.power(-series_object, -1./3) if series_object < 0 else...
是series_object < 0 搞砸了，因为您要求整个系列的真实性小于零。
applymap
f = lambda x: -np.power(-x, 1./3) if x < 0 else np.power(x, 1./3)
sample[columns] = sample[columns].applymap(f)
也就是说，我会使用定义如下的lambda
f = lambda x: np.sign(x) * np.power(abs(x), 1./3)
然后您可以在整个数据帧上执行此操作
np.random.seed([3,1415])
df = pd.DataFrame(np.random.randint(-10, 10, (5, 5)))
df
0 1 2 3 4
0 6 1 -8 0 5
1 3 1 3 9 -2
2 -10 2 -10 -8 -10
3 -3 9 3 8 2
4 -6 -7 9 3 -3
f = lambda x: np.sign(x) * np.power(abs(x), 1./3)
f(df)
0 1 2 3 4
0 1.817121 1.000000 -2.000000 0.000000 1.709976
1 1.442250 1.000000 1.442250 2.080084 -1.259921
2 -2.154435 1.259921 -2.154435 -2.000000 -2.154435
3 -1.442250 2.080084 1.442250 2.000000 1.259921
4 -1.817121 -1.912931 2.080084 1.442250 -1.442250
同
df.applymap(f)
0 1 2 3 4
0 1.817121 1.000000 -2.000000 0.000000 1.709976
1 1.442250 1.000000 1.442250 2.080084 -1.259921
2 -2.154435 1.259921 -2.154435 -2.000000 -2.154435
3 -1.442250 2.080084 1.442250 2.000000 1.259921
4 -1.817121 -1.912931 2.080084 1.442250 -1.442250
检查是否相等
df.applymap(f).equals(f(df))
True
而且速度更快
%timeit df.applymap(f)
%timeit f(df)
1000 loops, best of 3: 1.11 ms per loop
1000 loops, best of 3: 473 µs per loop
【讨论】：
不必复杂，使用 NumPys 立方根函数即可：np.cbrt:
df[columns] = np.cbrt(df[columns])
它需要NumPy >= 1.10。
对于旧版本，您可以使用 np.absolute 和 np.sign 而不是使用条件：
df[columns] = df[columns].apply(lambda x: np.power(np.absolute(x), 1./3) * np.sign(x))
这会计算绝对值的立方根，然后适当地更改符号。
【讨论】：
试试：
sample[columns]=sample[columns]**(1/3)
【讨论】：