Python 数据帧项上的迭代

我已经读过很多次，在数据帧中应该避免迭代，所以我一直在尝试“更好的方法”，比如应用函数，但我遇到了以下错误：

级数的真值是模糊的

我需要在不同的行项目上运行迭代计算，并获得更新的值。下面是一个简化的示例，但实际案例中包含大量数学知识，因此，函数是首选函数：

df = pd.DataFrame({'A':[10,20,30,40], 'B':[4,3,2,1]})

def match_col(A,B):
    while A != B:
        B = B + 1

df.apply(lambda x: match_col(df['A'],df['B']),axis=1)

基本上，我需要让每一行使用许多项，运行迭代计算，并输出新的/更新的项。我哪里弄错了逻辑？

相反，请执行以下操作：

df.apply(lambda x: match_col(x['A'],x['B']),axis=1)

因为您将函数应用于每一行，所以该行的值需要传递给

match\u col

，而不是整个系列，例如

df['A']

您还需要

从函数中返回
一些内容：

def match_col(A,B):
    while A != B:
        B = B + 1
    return B

然后您将得到以下结果：

In [10]: df.apply(lambda x: match_col(x['A'],x['B']),axis=1)                    
Out[10]: 
0    10
1    20
2    30
3    40
dtype: int64

相反，你应该：

df.apply(lambda x: match_col(x['A'],x['B']),axis=1)

因为您将函数应用于每一行，所以该行的值需要传递给
match\u col
，而不是整个系列，例如
df['A']

您还需要
从函数中返回
一些内容：

def match_col(A,B):
    while A != B:
        B = B + 1
    return B

然后您将得到以下结果：

In [10]: df.apply(lambda x: match_col(x['A'],x['B']),axis=1)                    
Out[10]: 
0    10
1    20
2    30
3    40
dtype: int64

我在apply函数中做了一些更改

import numpy as np
import pandas as pd

df = pd.DataFrame({'A':[10,20,30,40], 'B':[1,3,2,1]})

def match_col(col):
    while col.A != col.B:
        col.B = col.B + 1
        return col.B


df.apply(match_col,axis=1)

输出

0    2
1    4
2    3
3    2
dtype: int64

我在apply函数中做了一些更改

import numpy as np
import pandas as pd

df = pd.DataFrame({'A':[10,20,30,40], 'B':[1,3,2,1]})

def match_col(col):
    while col.A != col.B:
        col.B = col.B + 1
        return col.B


df.apply(match_col,axis=1)

输出

0    2
1    4
2    3
3    2
dtype: int64

如果函数仅依赖于当前行，则不需要
apply
。您可以只执行向量运算。如果函数仅依赖于当前行，则不需要
apply
。你可以只做向量运算。多亏了这一点，我现在意识到错误来自于使用“df”而不是“x”来引用函数的变量。多亏了这一点，我现在意识到错误来自于使用“df”而不是“x”来引用函数的变量。