应用函数不一致（Python 3） 总结

程序： 我有三个功能。函数A、B和C。函数A使用apply（）将函数B和C应用于全局数据帧

问题: 检查结果表明，只有函数B应用于全局数据帧

其他说明： 如果我从python解释器中应用函数C，那么它就可以工作

---

长版本 此问题的三个主要功能是：

load_paypal（）：将数据加载到gobal Pandas数据帧中，并在两列上应用其他两个函数

read_cash（）：读取值，去掉美元符号、逗号等并返回一个数字

read_date（）：读取字符串并返回日期时间

我遇到的问题是，当我使用apply（）应用read\u cash时，它似乎有效，但read\u date无效。此外，当我使用python解释器中的read_date函数和apply时，使用完全相同的代码，我得到了预期的结果，即它可以工作

功能 加载paypal

def load_paypal():
    global paypal_data
    paypal_data = pd.DataFrame( pd.read_csv(open("Download.csv") ) )
    paypal_data = paypal_data.fillna(0)
    cash_names = ('Gross', 'Fee', 'Net', 'Shipping and Handling Amount', 'Sales Tax', 'Balance')

    for names in cash_names:
        paypal_data[names].apply( ryan_tools.read_cash )

    paypal_data = paypal_data.rename(columns = { paypal_data.columns[0] : 'Date'})

    paypal_data['Date'].apply( ryan_tools.read_date )
    print( paypal_data['Date'] ) # The 'Date' datatype is still a string here
    print( paypal_data['Net'] ) # The 'Net' datatype is proven to be converted
    # to a number over here( It definitely starts out as a string )
    return

ryan_tools.read_日期

def read_date(text):
    for fmt in ( '%m/%d/%y' , '%M/%D/%y' , '%m/%d/%Y', '%Y/%m/%d', '%Y/%M/%D', 'Report Date :%m/%d/%Y', '%Y%M%D' , '%Y%m%d' ):
        try:
            return datetime.datetime.strptime(text, fmt)
        except ValueError:
            pass
    raise ValueError('No Valid Date found')

ryan_工具。读_现金

def read_cash(text):
    text = str(text)
    if text == '':
        return 0
    temp = text.replace(' ', '')
    temp = text.replace(',', '')
    temp = temp.replace('$', '')

    if ('(' in temp or ')' in temp):
        temp = temp.replace('(', '')
        temp = temp.replace(')', '')
        ans = float(temp) * -1.0
        return ans
    ans = round(float(temp),2)

    return ans

注意：ryan_tools只是我常用函数的通用文件

。apply（）

不是就地操作（即，它返回一个新对象，而不是修改原始对象）：

您可能希望将该列重新指定给由

.apply（）

创建的新列：

In [3]: df = pd.DataFrame(np.arange(10).reshape(2,5))

In [4]: df
Out[4]:
   0  1  2  3  4
0  0  1  2  3  4
1  5  6  7  8  9

In [5]: df[4].apply(lambda x: x+100)
Out[5]:
0    104
1    109
Name: 4, dtype: int64

In [6]: df
Out[6]:
   0  1  2  3  4
0  0  1  2  3  4
1  5  6  7  8  9

paypal_data['Date'] = paypal_data['Date'].apply(ryan_tools.read_date)