Python 关于lambda的另一个问题，什么是；k"；你是说这里？

谁能告诉我这里的k是什么

def rule(x, y):
    if x == 'high' and y > 10:
         return 1
    else:
         return 0
df = pd.DataFrame({ 'c1':[ 'high' ,'high', 'low', 'low'], 'c2': [0, 23, 17, 4]})
df['new'] = df.apply(lambda k: rule(k['c1'], k['c2']), axis =  1)
df.head()

为什么我不能用下面的方法呢

df['new'] = df["c1","c2"].apply(rule['c1'], ['c2'])

---

可以对任意函数进行矢量化：

import numpy as np
df['new'] = np.vectorize(rule)(df.c1, df.c2)

def rule(row):
    if row['c1'] == 'high' and row['c2'] > 10:
         return 1
    else:
         return 0

上述解决方案不会改变您原来的功能

另一种方法是重写函数：

import numpy as np
df['new'] = np.vectorize(rule)(df.c1, df.c2)

def rule(row):
    if row['c1'] == 'high' and row['c2'] > 10:
         return 1
    else:
         return 0

并将其应用于数据帧：

df['new'] = df.apply(rule, axis = 1)

---

请注意，

axis=1

是按行将参数传递给应用的函数所必需的。

这里有两个方面需要理解

obj.apply（func）

视情况而定。您可以控制作为参数传递给

func

的内容：

如果

obj

是一个pandas.DataFrame，就像您在

df[[“c1”，“c2”]]

上使用apply或只使用

df

时一样，请参阅。请注意，还有一个参数

axis

，您可以使用该参数控制函数是应用于行（1）还是列（0，默认值）。然后，可以使用参数

raw

来定义传递给

func

的参数是pd.Series（False，默认值）还是numpy数组（True）

因此，默认情况下，列被传递到

func

（as.pd.Series）。现在，由于您有

axis=1

，因此数据以pd.Series的形式逐行传递。这意味着，

k

的类型将是pd.Series，它将包含一行的数据

如果

obj

与使用

df[“col”]

时的熊猫系列相同，请参阅。如您所见，在这种情况下，pandas将向函数提供序列中的每个元素（如果func一次处理一个值）或整个数组（如果

func

为numpy ufunc）

lambda只是函数 lambda中的

k

只是参数的名称。例如，见

myfunc=lambda k:rule（k['c1']，k['c2']）

大致相当于

def myfunc（k）：
返回规则（k['c1']，k['c2']）

为什么我不能只申请以下内容？ 在下面的行中

df['new']=df[“c1”，“c2”]。应用（规则['c1']，['c2']）

传递给

apply

的参数将不可调用，这就是此方法不起作用的原因。由于

规则

是一个函数，

规则['c1']

毫无意义。该函数没有属性“c1”

---

---

如果你只是想知道如何做到这一点，我建议使用@ipj的答案中的

np.vectorize

。

k

是数据行。谢谢，对于这样的语法：df2=df.apply（lambda x:x+10），x是否也表示行？只有添加

axis=1

时，它才是行。否则，函数将应用于列，默认值为轴=0。是。请注意上面@ipj所说的。谢谢！请允许我问：如果第['c1']=='high'行和第['c2']]>10行，“row”是保留字吗？什么时候使用它？这是我第一次看到它。不，它不是保留的，它可以是任何名称，例如

x

。但我将其命名为row以指示此处处理的内容：-）