Pandas 在数据系列上应用lower（）方法时，应用映射函数引发错误

有关以下代码：

# Reading the input
import ast,sys
input_str = sys.stdin.read()
input_list = ast.literal_eval(input_str)
# Storing the names in a variable 'name'
name = input_list[0]
# Storing the responses in a variable 'repsonse'
response = input_list[1]

import pandas as pd 
df = pd.DataFrame({'Name': name,'Response': response})

提供的输入如下：

['Reetesh', 'Shruti', 'Kaustubh', 'Vikas', 'Mahima', 'Akshay']
['No', 'Maybe', 'yes', 'Yes', 'maybe', 'Yes']

所需的输出如下所示：

[![enter image description here][1]][1]
[1]: https://i.stack.imgur.com/d3FIi.png

当我尝试下面的方法时：

def res_map(x):
    return x.map({'Yes': 1, 'yes': 1, 'No': 0, 'no': 0, 'Maybe': 0.5, 'maybe': 0.5})

df[['Response']] = df[['Response']].apply(res_map)

# Print the final DataFrame
print(df)

它工作得很好

但当我尝试这样的事情时：

df['Response'] = df['Response'].apply(lambda x: x.str.lower().map({'yes':1.0, 'no':0.0, 'maybe':0.5}))

我得到一个错误“str”对象不hap方法“map”

---

我做错了什么？

当你

在数据帧上应用
时，比如
df[['Response']]。应用（…）
，lambda立即接收整个
df.Response
列，这样你就可以使用一系列方法，比如
str
和
map

如果您改为
apply
对类似
df['Response'].apply（…）
的序列，lambda将接收
df.Response
的单个字符串，而不是整个
df.Response
列，因此需要相应地更改映射：

mapping={'yes'：1.0，'no'：0.0，'maybe'：0.5}
df['Response']=df['Response'].apply（lambda x:mapping[x.lower（））
#名称响应
#0芦苇0.0
#1.0.5
#2 Kaustubh 1.0
#3 Vikas 1.0
#4马希马0.5
#5阿克什1.0
当您对数据帧（如
df[['Response']]）应用
时，lambda会立即接收整个
df.Response
列，因此您可以使用一系列方法，如
str
和
map

如果您改为
apply
对类似
df['Response'].apply（…）
的序列，lambda将接收
df.Response
的单个字符串，而不是整个
df.Response
列，因此需要相应地更改映射：

mapping={'yes'：1.0，'no'：0.0，'maybe'：0.5}
df['Response']=df['Response'].apply（lambda x:mapping[x.lower（））
#名称响应
#0芦苇0.0
#1.0.5
#2 Kaustubh 1.0
#3 Vikas 1.0
#4马希马0.5
#5阿克什1.0
太棒了！谢谢你解释这个问题……）令人惊叹的！谢谢你解释这个问题……）