应用字典查找功能来比较熊猫数据框列

Question

我想将一个函数应用于 pandas 数据框的两列（A 和 B），以测试它们的每个值是否与字典中的相同结果匹配。我希望它将结果返回到第三列。

我已经尝试了下面的代码和关闭变体，但我不断收到错误，我认为我对数据结构有一些基本的不了解。谁能解释我哪里出错了？我可以想象一些繁琐的替代方法来做到这一点，但我确信一定有一个优雅的解决方案。

def do_they_match(A1,A2):
    if A1 in dictionary and A2 in dictionary and dictionary[A1] == dictionary[A2]:
        return 1
    else:
        return 0

df['match'] = df.apply(lambda x: do_they_match(x['A'],x['B']))
## also tried ## 
df = df.assign(link=lambda x: do_they_match(x['A'],x['B']))

对于上下文，对于最后一行的替代代码，我得到的错误是 IndexError: ('A', 'occurred at index A') 或 TypeError: 'Series' objects are mutable, thus they cannot be hashed。数据框列和字典中的值都是字符串。

感谢您的帮助！

Answer 1

您收到错误是因为您尝试应用从同一 行 传递数据参数的函数，但使用您的语法，x in lambda x指列。因此，代码x['A'] 实际上试图将A 作为正在处理的当前列x 的行索引。数据框中的每一列将轮流作为该apply语句中要处理的列。

您必须使用.apply() 的axis= 参数来指示Pandas 通过传递axis=1 进行逐行操作。

Official document 有axis 参数的解释：

axis {0 or ‘index’, 1 or ‘columns’}, default 0 坐标轴 函数应用：

0 或“索引”：将函数应用于每一列。

1 或“列”：将函数应用于每一行。

默认值为axis=0 将函数应用于每个列。

要解决错误，您可以在代码中添加axis=1：

df['match'] = df.apply(lambda x: do_they_match(x['A'], x['B']), axis=1)

---

更好的解决方案是您不需要定义自定义函数，可能您可以使用 Pandas 函数.map() 映射字典值，如下所示：

df['match'] = (df['A'].map(dictionary) == df['B'].map(dictionary)).astype(int)

我们使用astype() 将布尔结果转换为整数0（表示False）和1（表示True）

例如，我们有以下数据框和dictionary：

df = pd.DataFrame({'A': ['x1', 'x2', 'x3'], 'B': ['y1', 'y2', 'y3']})

    A   B
0  x1  y1
1  x2  y2
2  x3  y3


dictionary = {'x1': 'apple', 'y1': 'orange', 'x2': 'banana', 'y2': 'banana', 'x3': 'peach'}

当我们应用代码时，我们得到：

df['match'] = (df['A'].map(dictionary) == df['B'].map(dictionary)).astype(int)

print(df)

    A   B  match
0  x1  y1      0
1  x2  y2      1
2  x3  y3      0