Python pandas apply（）会导致UnboundLocalError

我有一个数据帧（df_集群），有两列[客户Id，集群]。大约有13个集群，我正在尝试使用python中的apply（）为每个集群指定一个名称。我在过去使用过相同的函数，它工作得很好，但现在我得到了“UnboundLocalError”错误

如果我做错了什么，请告诉我。我对apply（）的理解是，它跨轴传递函数（在本例中，将为每一行传递函数cluster_name）

这是密码

def cluster_name(df):
    if df['cluster'] == 1:
        value = 'A'
    elif df['cluster'] == 2:
        value = 'B'    
    elif df['cluster'] == 3:
        value = 'C'
    elif df['cluster'] == 4:
        value = 'D'
    elif df['cluster'] == 5:
        value = 'E'
    elif df['cluster'] == 6:
        value = 'F'
    elif df['cluster'] == 7:
        value = 'G'
    return value

df_cluster['cluster_name'] = df_cluster.apply(cluster_name, axis = 1)

错误

UnboundLocalError回溯（最近一次调用）
在里面
16返回值
17
--->18 df_cluster['cluster_name']=df_cluster.apply（cluster_name，axis=1）
19 df_cluster['cluster_name'].值_计数（）
/opt/cloudera/parcels/Anaconda/envs/py36/lib/python3.6/site-packages/pandas/core/frame.py在应用中（self、func、axis、broadcast、raw、reduce、result_type、args、**kwds）
6926科威特第纳尔=科威特第纳尔，
6927         )
->6928返回操作获取结果（）
6929
6930 def应用映射（自身，功能）：
/获取结果（self）中的opt/cloudera/parcels/Anaconda/envs/py36/lib/python3.6/site-packages/pandas/core/apply.py
184返回self.apply_raw（）
185
-->186返回自我。应用_标准（）
187
188 def应用\空\结果（自身）：
/opt/cloudera/parcels/Anaconda/envs/py36/lib/python3.6/site-packages/pandas/core/apply.py in apply_标准（self）
290
291#使用级数生成器计算结果
-->292自应用_系列_发生器（）
293
294#总结结果
/opt/cloudera/parcels/Anaconda/envs/py36/lib/python3.6/site-packages/pandas/core/apply.py in-apply_-series_生成器（self）
319试试：
320用于枚举中的i、v（系列）：
-->321结果[i]=自f（v）
322个键。追加（v.name）
323例外情况除外，如e：
集群名称（df）中的
14 elif df[“集群”]==7：
15值='G'
--->16返回值
17
18 df_cluster['cluster_name']=df_cluster.apply（cluster_name，axis=1）
UnboundLocalError:（“赋值前引用了局部变量'value'，'在索引0处发生'）
'''

您的问题似乎已经在评论中得到了回答，因此我将提出一种更加面向熊猫的方法来解决您的问题。对数据帧使用

apply（axis=1）

速度非常慢，而且几乎没有必要（与迭代数据帧中的行相同），因此更好的方法是使用矢量化方法。最简单的方法是在字典中定义集群->集群\名称映射，并使用

map

方法：

df = pd.DataFrame(
    {"cluster": [1,2,3,4,5,6,7]}
)

# repeat this dataframe 10000 times
df = pd.concat([df] * 10000)

应用方法：

def mapping_func(row):
    if row['cluster'] == 1:
        value = 'A'
    elif row['cluster'] == 2:
        value = 'B'    
    elif row['cluster'] == 3:
        value = 'C'
    elif row['cluster'] == 4:
        value = 'D'
    elif row['cluster'] == 5:
        value = 'E'
    elif row['cluster'] == 6:
        value = 'F'
    elif row['cluster'] == 7:
        value = 'G'
    else:
        # This is a "catch-all" in case none of the values in the column are 1-7
        value = "Z"
        
    return value

%timeit df.apply(mapping_func, axis=1)
# 1.32 s ± 91.3 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

.map

方法

mapping_dict = {
    1: "A",
    2: "B",
    3: "C",
    4: "D",
    5: "E",
    6: "F",
    7: "G"
}

# the `fillna` is our "catch-all" statement.
#  essentially if `map` encounters a value not in the dictionary
#  it will place a NaN there. So I fill those NaNs with "Z" to
#  be consistent with the above example
%timeit df["cluster"].map(mapping_dict).fillna("Z")
# 4.87 ms ± 195 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

---

我们可以看到，使用字典方法的

映射

比

应用

快得多，同时还避免了一长串

if/elif

语句。

函数中缺少

else

：

def cluster_name(df):
    if df['cluster'] == 1:
        value = 'A'
    elif df['cluster'] == 2:
        value = 'B'    
    elif df['cluster'] == 3:
        value = 'C'
    elif df['cluster'] == 4:
        value = 'D'
    elif df['cluster'] == 5:
        value = 'E'
    elif df['cluster'] == 6:
        value = 'F'
    elif df['cluster'] == 7:
        value = 'G'
    else:
        value = ...
    return value

否则，如果

df['cluster']

不在值{1，2，…，7}中，则不会设置

值

，这将产生异常。

• 手动创建

  if-else

  功能被高估，可能会错过一个条件
• 由于您将字母指定为

  'cluster\u name'

  ，因此使用可获取所有字母的

  列表，并将它们指定给
  'cluster'
  
  从压缩后的值创建一个
  dict
  ，并创建
  'cluster\u name'
  列
  
  

• 此实现使用列中的唯一值来创建映射，因此在赋值之前引用的局部变量“value”不会出现问题。
  • 在出现错误的情况下，这是因为

    返回值

    在列中有一个值不在

    if else

    条件中时执行，这意味着函数中未分配

    值

将熊猫作为pd导入
导入字符串
#测试数据帧
df=pd.DataFrame（{'cluster'：范围（1,11）}）
#群集列中的唯一值
clusters=sorted（df.cluster.unique（））
#创建要映射的dict
cluster\u map=dict（zip（clusters，string.ascii\u大写））
#创建群集名称列
df['cluster\u name']=df.cluster.map（cluster\u map）
#df
群集名称
01 A
1.2 B
2 3 C
三维
4.5 E
5.6楼
6.7克
7.8小时
8.9我
9 10 J

似乎列中的一个值不在函数中。如果

df['cluster']>7

，预期的行为是什么？然后，

值

永远不会被赋值，但您仍会尝试返回它。尝试在开始时为

value

分配一些内容，或者在返回之前在末尾使用catch-all

else:

def cluster_name(df):
    if df['cluster'] == 1:
        value = 'A'
    elif df['cluster'] == 2:
        value = 'B'    
    elif df['cluster'] == 3:
        value = 'C'
    elif df['cluster'] == 4:
        value = 'D'
    elif df['cluster'] == 5:
        value = 'E'
    elif df['cluster'] == 6:
        value = 'F'
    elif df['cluster'] == 7:
        value = 'G'
    else:
        value = ...
    return value