如何将函数应用于混合类型的 Pandas DataFrame？

Question

这就是我将函数应用于 Pandas 数据框的方式，它可以在原地工作并修改原始数据框。

df  = pd.DataFrame([[0,0,0],
                    [0,0,0],
                    [0,0,0]],
                    columns=['a', 'b', 'c'])

def add_one(x) :
    x['b'] = x['b'] + 1
    return x

df.apply(add_one, axis=1)

但是，如果我在这个数据帧上尝试相同的操作（它有整数和浮点数，而不仅仅是整数），那么它无法就地应用并总是返回一个数据帧。但我有一个巨大的数据框，所以我想就地做。

df = pd.DataFrame([[0,1.0,0],
                   [0,1.0,0],
                   [0,1.0,0]],
                   columns=['a', 'b', 'c'])

你能帮帮我吗？ （以及为什么首先会出现这种行为！）

谢谢。

Answer 1

列中的每个元素都具有相同的 dtype，因此当您从 DataFrame 获取列 Series 时， 他们共享内存。

但是如果你从DataFrame 得到一行Series，它可能不包含相同的dtype 值，在这个 如果您将获得转换为通用 dtype 的数据的副本。

下面的代码，df.apply(f, axis=1) 将每一行传递给包含副本的函数 数据：

df = pd.DataFrame([[0,1.0,0],
                   [0,1.0,0],
                   [0,1.0,0]],
                   columns=['a', 'b', 'c'])

def f(x):
    x.values[0] += 1
    return x

df.apply(f, axis=0) #pass every column to f, this will change the original dataframe
print df

df.apply(f, axis=1) #pass every row to f, this will not change the original dataframe
print df