Python 应用+；当返回的列表长度与数据帧列数相同时，列表理解给出ValueError

这个问题是由我们自己提出的。使用熊猫

0.20.3

我试图理解为什么

apply（）

操作会抛出错误：

ValueError:传递的项目数错误2，放置意味着1

Pandas

ValueError

的这种特殊风格是，但它通常来自一种更明显的尝试，即将一组元素塞进一个设计用于较小容量的数据结构中。这里肯定发生了同样的事情，但我不明白为什么

给定一个包含整数列

a

和

B

的数据帧：

import pandas as pd

df = pd.DataFrame({'A': [1,2], 'B': [3,4]})
df
   A  B
0  1  3
1  2  4

我可以构造一个新列，

C

，它是一列列表。

C

中的每个列表都包含

A

和

B

中的值

C

应该是：

     C
[1, 3]
[2, 4]

我选择使用

apply（）

和一个列表来构建

C

：

df['C'] = df.apply(lambda x: [val for val in x], axis=1)

（目前，请忽略这样一种可能性，即这不是实现这一目标的最优雅的方式——这主要是一条通向我所困惑的错误的途径。）

这会抛出上面提到的

ValueError

。
但是，我可以毫不费力地创建每行包含更多项目的列表：

df['C'] = df.apply(lambda x: [val for val in x]+[1], axis=1)
df
   A  B          C
0  1  3  [1, 3, 1]
1  2  4  [2, 4, 1]

我本以为我也会遇到同样的错误，只是传递了

错误数量的项目3…

而不是

2

我还可以用较少的项目创建

C

：

df['C'] = df.apply(lambda x: [val for val in x][:1], axis=1)
df
   A  B    C
0  1  3  [1]
1  2  4  [2]

此外，

C

在第一行的列表长度小于或大于

[1,3]

时生成，但在第一行的列表长度与

len（[1,3]）

匹配时失败，即使后续列表长度不同：

df['C'] = df.apply(lambda x: [val for val in x if val != 1], axis=1) # this works
df['C'] = df.apply(lambda x: [val for val in x if val != 4], axis=1) # this fails

考虑到所有这些不同的情况，我不明白

位置意味着1

指的是什么，以及为什么我不能用这种方法在

C

中列出

A

和

B

的元素。

---

我是如何误解此错误消息的？

似乎此行为是由试图提供帮助的

.apply（）

和滥用

.apply（）

作为输出非标量值的手段的混合结果。它已在Pandas版本

0.21

中修复

我从各种Github问题页面[，]中拼凑出了这一解释，其中一些页面也链接到了中。这并不能真正解释为什么会在实现级别发生这种情况，但至少从实质上回答了这个问题。
乐意接受任何相关的更新/编辑

.apply（）

尝试提供帮助：
如果返回的多维值与输入数据帧具有相同的形状，

apply

将推断数据帧作为输出：

Tomaugsurger:DataFrame.apply尝试根据结果推断输出。输出的结果被推断为具有相同列的数据帧

jreback：问题是。apply必须尝试找出返回的内容，以及这些内容如何映射到起始数据

滥用

.apply（）

作为输出非标量值的手段：
简言之，如果你能避免，就不要这样做。如果你必须的话，偶尔也会期待有趣的结果

jreback：请注意，通常不建议返回非标量，也不支持高效返回

---

这种行为似乎是由试图提供帮助的（a）

.apply（）

和滥用

.apply（）

作为输出非标量值的一种手段而导致的。它已在Pandas版本

0.21

中修复

我从各种Github问题页面[，]中拼凑出了这一解释，其中一些页面也链接到了中。这并不能真正解释为什么会在实现级别发生这种情况，但至少从实质上回答了这个问题。
乐意接受任何相关的更新/编辑

.apply（）

尝试提供帮助：
如果返回的多维值与输入数据帧具有相同的形状，

apply

将推断数据帧作为输出：

Tomaugsurger:DataFrame.apply尝试根据结果推断输出。输出的结果被推断为具有相同列的数据帧

jreback：问题是。apply必须尝试找出返回的内容，以及这些内容如何映射到起始数据

滥用

.apply（）

作为输出非标量值的手段：
简言之，如果你能避免，就不要这样做。如果你必须的话，偶尔也会期待有趣的结果

jreback：请注意，通常不建议返回非标量，也不支持高效返回

---

我无法在

0.21

上复制此内容。但是我可以告诉你，pandas特殊情况列表和numpy数组与数据帧具有相同的宽度。这也是你可以做

df.apply（tuple，1）

但不做

df.apply（list，1）

有趣的原因。你能告诉我“特殊情况”在哪里吗讨论的是什么？我认为最相关的链接是：在我尝试之后，

df.apply（lambda x:[val for val in x if val！=2]，axis=1）

，我感到震惊…我无法在

0.21

上重现这一点。但是我可以告诉你，pandas特殊情况列表和numpy数组与数据帧具有相同的宽度。这也是你可以做

df.apply（tuple，1）

但不做

df.apply（list，1）

有趣的原因。你能告诉我“特殊情况”在哪里吗事情已经讨论过了？我认为最相关的链接应该是：在我尝试之后，

df.apply（lambda x:[val for val in x if val！=2]，axis=1）

，我感到震惊。。。