Python 如何将带参数的函数应用于数据帧

我正在尝试删除数据中的所有重音符号。我找到了一个函数，但我不能同时在整个数据帧上应用相同的函数

import unicodedata
import pandas as pd

def remove_accents(input_str):
    nfkd_form = unicodedata.normalize('NFKD', input_str)
    only_ascii = nfkd_form.encode('ASCII', 'ignore')
    return only_ascii


data = {'name': ['Guzmán', 'Molly'],
        'year': [2012, 2012]}
df = pd.DataFrame(data)
df

如何应用上述功能

---

pandas

read_csv

中是否有任何参数可用于实现类似的输出

正如其他人所指出的，这非常简单：

df['name'] = df['name'].apply(remove_accents)

另外，如果您使用的是Python 3，我建议更改

remove\u accents

函数的最后一行

只有ascii返回二进制数据，通常最好的做法是将unicode文本保持为常规（python3）
str

def remove_accents(input_str):
    nfkd_form = unicodedata.normalize('NFKD', input_str)
    only_ascii = nfkd_form.encode('ASCII', 'ignore')
    return only_ascii.decode('utf-8')

您是否看过
应用的任何示例？你的案子看起来很棘手。我不完全理解你的最后一个问题。尝试给出错误，因为
unicodedata.normalize（'NFKD'，input_str）
需要两个参数
df.name.apply（lambda x:unicodedata.normalize（'NFKD'，x）.encode（'ASCII'，ignore'））
@COLDSPEED，谢谢，但我得到
TypeError:normalize（）参数2必须是unicode，不是str
eror。另外，我需要在整个数据帧上执行此操作once@Thanks. 是否有一种方法可以在整个数据帧上应用函数，而不是一次只执行一列？您可以在列上循环或尝试类似的操作：
df.apply（lambda x:[删除x中I的重音符号（I））
。可能效率不高，但完成了任务。顺便说一句，一个“调试”
apply
并理解函数作为输入的好方法是传递一个函数，该函数只打印它接收到的输入：
lambda x:print（x）
。不过可能只有Python 3。