Pandas 将函数应用于系列的值和索引

我发现自己将一个函数应用于TimeSeries的值和索引。我这样做的方法是，构建一个包含时间序列的值和索引的数据帧，然后对数据帧应用一个函数

# imports
import pandas as pd
import numpy as np

# Set up some input time series
dates = pd.date_range('2012-04-01', periods=500,freq='MS')
ts = pd.Series(np.arange(500), index=dates)

# Build data frame of values and index
tmp = pd.concat([ts, ts.index.to_series()], join='outer', axis=1)

# Example function to apply
f = lambda x: x[0] / 4 if x[1].month % 3 == 1 else 0

# Apply function
out = tmp.apply(f, axis=1)

---

我暗自怀疑，这不是最优雅/有效的方法，但我找不到任何东西来建议更好的路线。有什么想法吗？

您可以使用下面的数据帧来实现它，至少要优雅一点

ts = pd.DataFrame({ "data": np.arange(500) }, index=dates)
f = lambda x: x["data"] / 4 if x.name.month % 3 == 1 else 0
ts.apply(f, axis=1)

---

您可以使用

name

-属性访问数据帧元素的索引。

这是一个更有效的解决方案

s = Series(np.arange(500), index=dates)
(s/4).where(s.index.month % 3 == 1, 0)

---

我喜欢这个想法，并且与我当时的想法一致。问题是我不能让它工作，如果我应用你的精确代码（加上我的日期定义），我会得到一个类型错误：

TypeError:（/：'buffer'和'int'的不支持的操作数类型，u'发生在索引2012-04-01 00:00:00'）

如果我在

的函数中调试。apply

ed我似乎只有一个值数组，在

x

中表示给定的数据行。我怀疑像

.name

这样的方法只能在

之外工作。apply

因为在内部，您不再真正使用DataFrame对象了抱歉，它现在已经被修复了（

df.data

返回内部存储，如果您将列命名为

“data”

您必须使用

df[“data”]

）.而您/正在/处理

apply

内部的

DataFrame

对象。实际上，在

apply

内部，我们似乎正在处理一个

系列

对象，其名称是我们正在迭代的

DataFrame

的索引。这就是为什么您的名称建议可以用于访问索引的值。似乎

apply

会折叠起始对象的“维度”，因此这就是为什么直接处理

TimeSeries

只会给我留下一个值对象，而无法访问索引的值。这不是一个完美的解决方案，但比我现在的处境要好。再次感谢所有的帮助。这不起作用（尽管看起来应该如此！）。当我应用您的解决方案时，我得到

s

where

s.index.month%3==1

和

s/4

where

s.index.month%3！=1

；我想要

s/4

和

0

respectively@Jeff这是错误的，where的第三个参数是

inplace

，因此

0

在这里表示

False

，实际上是默认值。好的，我认为很容易启用，让我想想。你也可以做一个链接loc（相同的想法）真棒。开机速度快了近40倍！作为一个想法，它仅限于if语句求值，但这是一个足够常见的用例，使这个习惯用法值得使用。