为什么在我遍历 pandas DataFrame 后这个函数不“接受”？

Question

我有一个带有时间戳的温度和风速值的 DataFrame，以及一个将这些值转换为“风寒”的函数。我正在使用 iterrows 在每一行上运行该函数，并希望得到一个带有漂亮“Wind Chill”列的 DataFrame。

但是，虽然它似乎可以正常工作，并且实际上至少“工作”了一次，但我似乎无法始终如一地复制它。一般来说，我觉得这是我对 DataFrames 结构的遗漏，但我希望有人能提供帮助。

In [28]: bigdf.head()
Out[28]: 


                           Day  Temperature  Wind Speed  Year
2003-03-01 06:00:00-05:00  1    30.27        5.27        2003
2003-03-01 07:00:00-05:00  1    30.21        4.83        2003
2003-03-01 08:00:00-05:00  1    31.81        6.09        2003
2003-03-01 09:00:00-05:00  1    34.04        6.61        2003
2003-03-01 10:00:00-05:00  1    35.31        6.97        2003

所以我在bigdf 中添加了一个“Wind Chill”列，并预填充了NaN。

In [29]: bigdf['Wind Chill'] = NaN

然后我尝试遍历行，以添加实际的 Wind Chills。

In [30]: for row_index, row in bigdf[:5].iterrows():
    ...:     row['Wind Chill'] = windchill(row['Temperature'], row['Wind Speed'])
    ...:     print row['Wind Chill']
    ...:
24.7945889994
25.1365267133
25.934114012
28.2194307516
29.5051046953

正如您所说，新值出现将应用于“Wind Chill”列。这是windchill 函数，以防万一：

def windchill(temp, wind):
    if temp>50 or wind<=3:
        return temp
    else:
        return 35.74 + 0.6215*temp - 35.75*wind**0.16 + 0.4275*temp*wind**0.16

但是，当我再次查看 DataFrame 时，NaN 仍然存在：

In [31]: bigdf.head()
Out[31]: 

                           Day  Temperature  Wind Speed  Year  Wind Chill
2003-03-01 06:00:00-05:00  1    30.27        5.27        2003  NaN
2003-03-01 07:00:00-05:00  1    30.21        4.83        2003  NaN
2003-03-01 08:00:00-05:00  1    31.81        6.09        2003  NaN
2003-03-01 09:00:00-05:00  1    34.04        6.61        2003  NaN
2003-03-01 10:00:00-05:00  1    35.31        6.97        2003  NaN

更奇怪的是它已经工作了一两次，我不知道我做了什么不同。

我必须承认我对 pandas 的内部工作方式不是特别熟悉，并且对索引等感到困惑，所以我觉得我可能在这里遗漏了一些非常基本的东西（或者很难做到这一点）。

谢谢！

Answer 1

您可以使用apply 来执行此操作：

In [11]: df.apply(lambda row: windchill(row['Temperature'], row['Wind Speed']),
                 axis=1)
Out[11]:
2003-03-01 06:00:00-05:00    24.794589
2003-03-01 07:00:00-05:00    25.136527
2003-03-01 08:00:00-05:00    25.934114
2003-03-01 09:00:00-05:00    28.219431
2003-03-01 10:00:00-05:00    29.505105

In [12]: df['Wind Chill'] = df.apply(lambda row: windchill(row['Temperature'], row['Wind Speed']),
                                    axis=1)

In [13]: df
Out[13]:
                           Day  Temperature  Wind Speed  Year  Wind Chill
2003-03-01 06:00:00-05:00    1        30.27        5.27  2003   24.794589
2003-03-01 07:00:00-05:00    1        30.21        4.83  2003   25.136527
2003-03-01 08:00:00-05:00    1        31.81        6.09  2003   25.934114
2003-03-01 09:00:00-05:00    1        34.04        6.61  2003   28.219431
2003-03-01 10:00:00-05:00    1        35.31        6.97  2003   29.505105

.

为了详细说明您感到困惑的原因，我认为这是因为行变量是 copies rather than views 的 df，因此更改不会传播：

In [21]: for _, row in df.iterrows(): row['Day'] = 2

我们看到它正在成功地对副本进行更改，row 变量：

In [22]: row
Out[22]:
Day               2.00
Temperature      35.31
Wind Speed        6.97
Year           2003.00
Name: 2003-03-01 10:00:00-05:00

但他们不会更新到 DataFrame：

In [23]: df
Out[23]:
                           Day  Temperature  Wind Speed  Year
2003-03-01 06:00:00-05:00    1        30.27        5.27  2003
2003-03-01 07:00:00-05:00    1        30.21        4.83  2003
2003-03-01 08:00:00-05:00    1        31.81        6.09  2003
2003-03-01 09:00:00-05:00    1        34.04        6.61  2003
2003-03-01 10:00:00-05:00    1        35.31        6.97  2003

以下内容也使df 保持不变：

In [24]: row = df.ix[0]  # also a copy

In [25]: row['Day'] = 2

如果我们确实采取观点：（我们会看到一个变化df。）

In [26]: row = df.ix[2:3]  # this one's a view

In [27]: row['Day'] = 3

见Returning a view versus a copy (in the docs)。

Answer 2

试试看：

bigdf['Wind Chill'] = bigdf.apply(lambda x: windchill(x['Temperature'], x['Wind Speed']), axis=1)

使用您的简单 windchill 函数一次性获取整个 DataFrame。

Answer 3

我会说你不需要任何显式循环。以下希望能做到你想要的

bigdf = pd.DataFrame({'Temperature': [30.27, 30.21, 31.81], 'Wind Speed': [5.27, 4.83, 6.09]})

def windchill(temp, wind):
    "compute the wind chill given two pandas series temp and wind"
    tomodify = (temp<=50) & (wind>3) #check which values need to be modified
    t = temp.copy()  #create a new series
    # change only the values that need modification
    t[tomodify] = 35.74 + 0.6215*temp[tomodify] - 35.75*wind[tomodify]**0.16 +
        0.4275*temp[tomodify]*wind[tomodify]**0.16
    return t

bigdf['Wind Chill'] = windchill(bigdf['Temperature'], bigdf['Wind Speed'])

bigdf

   Temperature  Wind Speed  Wind Chill
0        30.27        5.27   24.794589
1        30.21        4.83   25.136527
2        31.81        6.09   25.934114

ps：windchill 的这种实现也适用于 numpy 数组。