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,那么它就可以工作应用函数不一致(Python 3) 总结,python,python-3.x,pandas,dataframe,apply,Python,Python 3.x,Pandas,Dataframe,Apply,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appl
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)