Python 将lambda函数传递给DataFrame.apply-what'；这里发生了什么事？

我的问题是关于线路的

df.apply(lambda x: pd.to_numeric(x, errors='coerce'))

---

我确实理解此语句将数据帧列转换为整数值，但无法理解

lambda

函数或

errors='concurve'

部分的用法。

apply

通过对其应用函数来处理行序列或列序列

lambda

只是定义了一个匿名函数

为了可读性，您可以使用更好的变量名定义一个常规函数。考虑下面的演示：

>>> df = pd.DataFrame([['1', '2'], ['3', 'foo']])
>>> df.dtypes
>>> 
0    object
1    object
dtype: object

我们有一个充满字符串的数据框，我们想把它变成数字。不可转换的值应设置为

NaN

（这就是

errors='concurve'

的作用）

如您所见，使用

lambda

只是定义函数的一种简单方法。如果您不喜欢它，您可以编写一个普通函数，它也可以这样做，并且可能更可读

在这种情况下，定义自己的函数有点毫无意义，因为您可以编写：

>>> df.apply(pd.to_numeric, errors='coerce')
>>> 
   0    1
0  1  2.0
1  3  NaN

---

apply

通过对行序列或列序列应用函数来处理该序列

lambda

只是定义了一个匿名函数

为了可读性，您可以使用更好的变量名定义一个常规函数。考虑下面的演示：

>>> df = pd.DataFrame([['1', '2'], ['3', 'foo']])
>>> df.dtypes
>>> 
0    object
1    object
dtype: object

我们有一个充满字符串的数据框，我们想把它变成数字。不可转换的值应设置为

NaN

（这就是

errors='concurve'

的作用）

如您所见，使用

lambda

只是定义函数的一种简单方法。如果您不喜欢它，您可以编写一个普通函数，它也可以这样做，并且可能更可读

在这种情况下，定义自己的函数有点毫无意义，因为您可以编写：

>>> df.apply(pd.to_numeric, errors='coerce')
>>> 
   0    1
0  1  2.0
1  3  NaN

---

要理解错误部分，请参阅此项；要理解错误部分，请参阅此项（特别是，

df.astype

有一个

errors

参数，但不能是

“强制”

）（特别是，

df.astype

有一个

errors

参数，但不能是

“强制”

）