具有axis = 0意外行为的熊猫apply（）答案

【问题标题】：Pandas apply() with axis=0 unexpected behaviour具有axis = 0意外行为的熊猫apply（）
【发布时间】：2021-08-10 08:44:52
【问题描述】：

我在 pandas 中使用 .apply() 方法。使用axis=0 和axis=1 时，我得到相同的结果。

当使用 axis=0 时，我希望结果是一个包含四个元素（索引 A、B、C、D）的系列。谁能告诉我为什么轴参数在这种情况下不起作用？

我在下面添加了一个可重现的示例。 注意：我知道这只是一个简单的乘法，可以简单地使用方法 .mul() 或 * 运算符来完成，但我在这里使用是为了让事情变得简单。

from pandas import util
df = util.testing.makeDataFrame()
df.head()

	A	B	C	D
Z82iXpl5s4	0.6031287648192426	-0.8271966886193748	1.8008948949143067	2.3722926060057237
MIFRqMYUeQ	0.2607658354228718	-0.2475715926867064	0.9548749309163952	2.682513736796777
F5qTLNGXAL	-1.0716656707592347	-0.637969249754201	-0.6155681669722803	1.24399654282517
5J4v4avVEB	-0.9685885791255543	-0.6735886163824997	-0.8065978319692303	0.5227282727367413
uEeRVYkeWU	-0.6661417878211171	-0.15444679388555943	-0.06476868167309932	-0.8541859423835071

df.apply(lambda x: x * 9, axis=0).head()

	A	B	C	D
Z82iXpl5s4	5.428158883373183	-7.444770197574373	16.20805405422876	21.35063345405151
MIFRqMYUeQ	2.3468925188058463	-2.2281443341803575	8.593874378247557	24.142623631170995
F5qTLNGXAL	-9.644991036833112	-5.741723247787809	-5.540113502750523	11.195968885426531
5J4v4avVEB	-8.717297212129989	-6.062297547442497	-7.259380487723073	4.704554454630672
uEeRVYkeWU	-5.995276090390054	-1.3900211449700348	-0.5829181350578939	-7.687673481451564

df.apply(lambda x: x * 9, axis=1).head()

	A	B	C	D
Z82iXpl5s4	5.428158883373183	-7.444770197574373	16.20805405422876	21.35063345405151
MIFRqMYUeQ	2.3468925188058463	-2.2281443341803575	8.593874378247557	24.142623631170995
F5qTLNGXAL	-9.644991036833112	-5.741723247787809	-5.540113502750523	11.195968885426531
5J4v4avVEB	-8.717297212129989	-6.062297547442497	-7.259380487723073	4.704554454630672
uEeRVYkeWU	-5.995276090390054	-1.3900211449700348	-0.5829181350578939	-7.687673481451564

【问题讨论】：

为了更好地了解您有什么问题或意外，我正在复制 apply 函数的文档。 axis{0 or ‘index’, 1 or ‘columns’}, default 0 Axis along which the function is applied: 0 or ‘index’: apply function to each column. 1 or ‘columns’: apply function to each row. 我认为您的测试没有什么意外的。由于数据框的索引是第一列
“当使用 axis=0 时，我希望结果是一个包含四个元素（索引 A、B、C、D）的系列。”为什么？
我想我将 .apply() 与 .groupby().apply() 混淆了。我现在看到了。这就是为什么我期待一个包含四个元素的系列。

标签： python pandas apply

【解决方案1】：

查看pandas.DataFrame.apply的文档：

axis : {0 or ‘index’, 1 or ‘columns’}, default 0
应用函数：

0 或“索引”：对每一列应用函数。

1 或“列”：将函数应用于每一行。

Returns : Series 或 DataFrame 沿给定应用 func 的结果 DataFrame 的轴。

当您执行df.apply(lambda x: x * 9, axis=0) 时，每列中的值将乘以9，因此每列将有 4 个系列，并将它们分配回各自的索引。

为了更清楚，你可以尝试这样的事情：

df.apply(lambda x: [(x.round(0)*9).tolist()], axis=0).T

                                                   0
A  [18.0, 18.0, 0.0, -9.0, -9.0, -9.0, -0.0, -0.0...
B  [-9.0, -9.0, -9.0, -9.0, -0.0, -0.0, 9.0, -18....
C  [9.0, -9.0, 18.0, -0.0, 0.0, -9.0, -0.0, 0.0, ...
D  [9.0, 18.0, -9.0, 9.0, -9.0, 9.0, 9.0, -9.0, 0...

现在，您将看到这些单独的值。

【讨论】：