在循环中使用 lambda 函数运行 df.apply答案

【问题标题】：run df.apply with lambda function in a loop在循环中使用 lambda 函数运行 df.apply
【发布时间】：2021-11-26 14:03:33
【问题描述】：

这段代码sn-p运行良好：

df['art_kennz'] = df.apply(lambda x:myFunction(x.art_kennz), axis=1)

但是，我在这两个地方硬编码了列名art_kennz：df['art_kennz'] 和x.art_kennz。现在，我想修改脚本，以便我有一个列名列表，并为所有这些列运行 df.apply。所以我尝试了这个：

cols_with_spaces = ['art_kennz', 'fk_wg_sch']
for col_name in cols_with_spaces:
    df[col_name] = df.apply(lambda x: myFunction(x.col_name)
                                               , axis=1)

但这给出了一个错误：

AttributeError: 'Series' object has no attribute 'col_name'

因为x.col_name。这里， col_name 应该是来自 for 循环的元素。正确的语法是什么？

【问题讨论】：

如果 myFunction 可以与系列一起使用，您可以使用：df[list_of_cols] = df[list_of_cols].apply(lambda x: myFunction(x), axis=1)

标签： python pandas dataframe data-analysis attributeerror

【解决方案1】：

在这种情况下 x.art_kennz 你使用字符串，但在 for-loop 你有变量你不能使用 .variables。

试试这个：（在这种方法中，你逐行迭代）

for col_name in cols_with_spaces:
    df[col_name] = df.apply(lambda row: myFunction(row[col_name]), axis=1)

如果你想逐列迭代，你可以试试这个：

for col_name in cols_with_spaces:
    df[col_name] = df[col_name].apply(myFunction)

【讨论】：

【解决方案2】：

试试：

for col_name in cols_with_spaces:
    df[col_name] = df.apply(lambda x: myFunction(x[col_name])

说明：您可以使用属性语法访问 Serie，例如 x.art_kennz，但由于 col_name 是一个包含表示属性的字符串的变量，因此括号语法是正确的方法。

【讨论】：