如何在数据框的所有列上使用 .apply(lambda x: function)

Question

我正在尝试使用apply（lamdba x：python中的函数）通过​​自定义函数传递数据帧的每一列。 我创建的自定义函数可以单独工作，但是当将其放入 apply(lamdba x: 结构时，只会将 NaN 值返回到选定的数据帧中。

首先是自定义函数-

def snr_pd(wavenumber_arr):
    intensity_arr = Zhangfit_output 
    signal_low = 1650
    signal_high = 1750
    noise_low = 1750
    noise_high = 1850

    signal_mask = np.logical_and((wavenumber_arr >= signal_low), (wavenumber_arr < 
    signal_high))
    noise_mask = np.logical_and((wavenumber_arr >= noise_low), (wavenumber_arr < noise_high))

    signal = np.max(intensity_arr[signal_mask])
    noise = np.std(intensity_arr[noise_mask])
    return signal / noise

这就是 lambda 函数的设置 -

sd['s/n'] = df.apply(lambda x: snr_pd(x), axis =0,)

目前我认为这是采用 df 的列，将它们传递给 snr_pd() 并将它们附加到列 ['s/n'] 下的 sd，但产生的唯一答案是 NaN。

我还尝试了一些结构更改，例如使用 applymap() 而不是 apply()。

sd['s/n'] = fd.applymap(lambda x: snr_pd(x), na_action = 'ignore')

但是这会返回此错误：

ValueError: 零大小数组到没有标识的归约操作最大值

我更不了解。

任何帮助都会非常有用。

Answer 1

看起来您的函数 snr_pd() 需要一个完整的数组作为参数。

没有看到你的数据很难说，但你应该能够使用np.apply_along_axis()直接将函数应用到DataFrame：

np.apply_along_axis(snr_pd, axis=0, arr=df)

请注意，这假定df 中的每一列都是数字。如果没有，那么只需选择您要应用该函数的 df 的列。

还要注意np.apply_along_axis() 将返回一个 numpy 数组。