Python 为什么映射可以工作，但应用会引发错误

我正在尝试使用Pandas的各种方法，我正在努力理解为什么Map、Apply和Vectoriation与返回非布尔值的函数相对可互换，但是Apply和Vectoriation有时会在应用的函数返回布尔值时失败。这个问题将集中在应用上

具体来说，我编写了非常简单的小代码来说明这一挑战：

import numpy as np
import pandas as pd

# make dataframe
x = range(1000)
df = pd.DataFrame(data = x, columns = ['Number']) 

# simple function to test if a number is a prime number
def is_prime(num):
    if num < 2:
        return False
    elif num == 2: 
        return True
    else: 
        for i in range(2,num):
            if num % i == 0:
                return False
    return True

# test if every number in the dataframe is prime using Map
df['map prime'] = list(map(is_prime, df['Number']))
df.head()

我错过了什么

谢谢大家!

p、 我知道有更有效的方法来测试素数。我故意编写了一个低效的函数，这样我就可以测试应用和矢量化实际上比map快多少，但后来我遇到了这个挑战。多谢各位

所以我不再明白发生了什么：当我试图 使用apply，我会得到一个ValueError

in: df['apply prime'] = df.apply(func = is_prime, args = df['Number'], axis=1)
out: ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

df.apply（…，axis=1）

，pass

pd.Series（…）

即

df['apply prime']=df['Number']。apply（func=is_prime）

应该可以工作

考虑到apply表面上比map和矢量化要快 更快

另外，

pd.DataFrame.apply（…）

，不使用任何类型的矢量化，只使用简单的C for循环（ex.cython），所以相信

map（…）

应该是渐进更快的

---

更新 您可能需要计算，

.apply（…）

，方法将给定的

轴=x

的值传递给函数，并返回

Y

，在

pd.DataFrame

（多个键）的情况下，可以是任何数据类型

假设

df.shape=（1000,4）

，如果我们打算沿着

axis=1

，

移动，即df.shape[1]

，这意味着您的apply函数将被调用

1000次，每次运行它都会得到
（4，）
类型
pd.Series
的元素，您可以在函数本身内部使用这些键，或者只将键作为参数传递，
pd.DataFrame.apply（…，args=[…]）




所以我不再明白发生了什么：当我试图
使用apply，我会得到一个ValueError

in: df['apply prime'] = df.apply(func = is_prime, args = df['Number'], axis=1)
out: ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

df.apply（…，axis=1）
，pass
pd.Series（…）

即
df['apply prime']=df['Number']。apply（func=is_prime）
应该可以工作

考虑到apply表面上比map和矢量化要快
更快

另外，
pd.DataFrame.apply（…）
，不使用任何类型的矢量化，只使用简单的C for循环（ex.cython），所以相信
map（…）
应该是渐进更快的


更新
您可能需要计算，
.apply（…）
，方法将给定的
轴=x
的值传递给函数，并返回
Y
，在
pd.DataFrame
（多个键）的情况下，可以是任何数据类型

假设
df.shape=（1000,4）
，如果我们打算沿着
axis=1
，
移动，即df.shape[1]
，这意味着您的apply函数将被调用
1000次，每次运行它都会得到
（4，）
类型
pd.Series
的元素，您可以在函数本身内部使用这些键，或者只将键作为参数传递，
pd.DataFrame.apply（…，args=[…]）




那确实有效，谢谢你！但现在我有第二个问题：如果我想应用一个函数，它以两个变量作为输入并返回一个布尔值（例如，如果x>y返回true），该怎么办？我如何通过这两个考试？我尝试调用df['Num1'，'Num2'].apply（…），但即使键是正确的，也会抛出一个键错误。当我将键作为元组传递进来时，Map起作用了。关于如何将apply与接受多个输入的函数一起使用的想法？@BLimitless，您可以参考@BLimitless的文章，还要注意，您对list（map（…）的使用实际上比apply（…axis=1）快。您可以参考我上面建议的同一篇文章中的计时比较。@4.Pi.n，我认为您的示例代码可以简化为df.apply（lambda x:func（x['a']，x['b']），axis=1）和define
def func（key1，key2）
和
如果key1>key2
，则此函数可以更通用，并且可以在范围之外使用。@BLimitless，另请参见上一篇文章中的列表（映射（..）和应用（…轴=1）的比较。还有。因此，建议继续使用list（map（..）而不是apply（…axis=1）。这确实有效，谢谢！但现在我有第二个问题：如果我想应用一个函数，它以两个变量作为输入并返回一个布尔值（例如，如果x>y返回true），该怎么办？我如何通过这两个考试？我尝试调用df['Num1'，'Num2'].apply（…），但即使键是正确的，也会抛出一个键错误。当我将键作为元组传递进来时，Map起作用了。关于如何将apply与接受多个输入的函数一起使用的想法？@BLimitless，您可以参考@BLimitless的文章，还要注意，您对list（map（…）的使用实际上比apply（…axis=1）快。您可以参考我上面建议的同一篇文章中的计时比较。@4.Pi.n，我认为您的示例代码可以简化为df.apply（lambda x:func（x['a']，x['b']），axis=1）和define
def func（key1，key2）
和
如果key1>key2
，则此函数可以更通用，并且可以在范围之外使用。@BLimitless，另请参见上一篇文章中的列表（映射（..）和应用（…轴=1）的比较。还有。因此，建议继续使用list（map（..）而不是apply（…axis=1）。
def func(x, key1, key2):

  # print(x.shape)

  if x[key1] > x[key2]:
    
    return True

  return False

df.apply(func, axis=1, args=['a', 'b'])