使用 def 函数映射数据框

Question

错误： AttributeError: 'DataFrame' object has no attribute 'map'

代码： 我创建了一个函数来根据不同列中的值对数据框中的一些时间事件（行）进行分类。

def usage(x):
    if x['Dest']==x['Origin']: return 'round'
    elif x['Origin']==x['next_dest']:
        if x['Dest']==x['next_origin']: return 'perfectsym'
        else: return 'nonperfectsym'
    else: 'None'

有了这个，我希望能够使用地图功能来分类新列中的条目，如下所示：

All_data['usagetype'] = All_Data.map(usage)

但这不起作用。

感谢您的帮助。

Answer 1

解决方案：

在数据帧级别相当于map 是apply：

All_data['usagetype'] = All_Data.apply(usage, axis=1)

替代和评论：

但是对于这样的事情，一个相当简单的逐行条件，您可以使用np.where 获得更快的计算：

def  usage2(df):
    return np.where(df['Dest'] == df['Origin'], 'round',
                    np.where(df['Origin'] == df['next_dest'],
                             np.where(df['Dest'] == df['next_origin'],
                                      'perfectsym', 'nonperfectsym'),
                             None))

All_data['usagetype'] = usage2(All_Data)

在 1000 行上大约快一百倍：

df = pd.DataFrame(np.random.randint(0, 4, size=(1000, 4)),
                  columns=['Dest', 'Origin', 'next_dest', 'next_origin'])

%timeit usage2(df)
1000 loops, best of 3: 463 µs per loop

%timeit df.apply(usage, axis=1)
10 loops, best of 3: 46.1 ms per loop

我还建议删除 None 周围的引号，就像我在上面的 usage2 中所做的那样，除非您明确想要字符串“None”而不是 NaN 值。