Python 由于将整数作为列索引，Pandas.apply（）出现意外结果

让我们看一个最简单的例子：

In [208]:
L={'A':[[1,2]],
   'B':[[3,4], [5,6]]}
df=pd.DataFrame.from_dict(dict(L), orient="index").stack().reset_index(level=0)
df['val']=None
print 'before apply. \n\n', df
f=lambda x: [x[0], x[1][0], x[1][1]]
print '\nafter apply. \n\n', df.apply(f, axis=1)

before apply. 

  level_0       0   val
0       A  [1, 2]  None
0       B  [3, 4]  None
1       B  [5, 6]  None

after apply. 

  level_0  0  val
0  [1, 2]  1    2
0  [3, 4]  3    4
1  [5, 6]  5    6

奇怪！

lambda

函数应该为每一行返回一个

列表

：对于第一行，结果应该是

['a'，1，2]

，因此，

apply（）

的预期行为应该是：

  level_0  0  val
0       A  1  2
0       B  3  4
1       B  5  6

---

关于

apply（）

，我有什么误解吗？

因为您的列名为

0

（整数），所以

x[0]

表示“从名为

0

的列获取”，而不是从列号0获取。但是没有名为

1

的列，因此

x[1]

表示“从列号1获取”

尝试使用

x['level\u 0']

f=lambda x: [x['level_0'], x[1][0], x[1][1]]

---

或者将列a

0

重命名为string

“0”

，因为您的列名为

0

（整数），所以

x[0]

表示“从名为

0

的列获取”，而不是从列号0获取。但是没有名为

1

的列，因此

x[1]

表示“从列号1获取”

尝试使用

x['level\u 0']

f=lambda x: [x['level_0'], x[1][0], x[1][1]]

---

或者将列a

0

重命名为string

“0”

，因为您的列名为

0

（整数），所以

x[0]

表示“从名为

0

的列获取”，而不是从列号0获取。但是没有名为

1

的列，因此

x[1]

表示“从列号1获取”

尝试使用

x['level\u 0']

f=lambda x: [x['level_0'], x[1][0], x[1][1]]

---

或者将列a

0

重命名为string

“0”

，因为您的列名为

0

（整数），所以

x[0]

表示“从名为

0

的列获取”，而不是从列号0获取。但是没有名为

1

的列，因此

x[1]

表示“从列号1获取”

尝试使用

x['level\u 0']

f=lambda x: [x['level_0'], x[1][0], x[1][1]]

或者将columna

0

重命名为string

“0”

行内注释：

>>> ts = df.iloc[0,]  # take the first row as an example
>>> ts
level_0         A
0          [1, 2]
val          None
Name: 0, dtype: object
>>> ts[0]  # `0` is in the index, so it resolves to item with `index` 0
[1, 2]
>>> ts[1]  # one is not in the index, so it resolves to ts.iloc[1]
[1, 2]
>>> ts[1][0] # (ts.iloc[1])[0]
1
>>> ts[1][1] # (ts.iloc[1])[1]
2

故事的寓意：不要将整数值用作列名

行内注释：

>>> ts = df.iloc[0,]  # take the first row as an example
>>> ts
level_0         A
0          [1, 2]
val          None
Name: 0, dtype: object
>>> ts[0]  # `0` is in the index, so it resolves to item with `index` 0
[1, 2]
>>> ts[1]  # one is not in the index, so it resolves to ts.iloc[1]
[1, 2]
>>> ts[1][0] # (ts.iloc[1])[0]
1
>>> ts[1][1] # (ts.iloc[1])[1]
2

故事的寓意：不要将整数值用作列名

行内注释：

>>> ts = df.iloc[0,]  # take the first row as an example
>>> ts
level_0         A
0          [1, 2]
val          None
Name: 0, dtype: object
>>> ts[0]  # `0` is in the index, so it resolves to item with `index` 0
[1, 2]
>>> ts[1]  # one is not in the index, so it resolves to ts.iloc[1]
[1, 2]
>>> ts[1][0] # (ts.iloc[1])[0]
1
>>> ts[1][1] # (ts.iloc[1])[1]
2

故事的寓意：不要将整数值用作列名

行内注释：

>>> ts = df.iloc[0,]  # take the first row as an example
>>> ts
level_0         A
0          [1, 2]
val          None
Name: 0, dtype: object
>>> ts[0]  # `0` is in the index, so it resolves to item with `index` 0
[1, 2]
>>> ts[1]  # one is not in the index, so it resolves to ts.iloc[1]
[1, 2]
>>> ts[1][0] # (ts.iloc[1])[0]
1
>>> ts[1][1] # (ts.iloc[1])[1]
2

---

故事的寓意：不要使用整数值作为列名

故事的士气

是最好的：）好的观点

0

索引实际上来自

stack（）

步骤，因此该部分很糟糕。但我想改名会让事情变得正确。

故事的士气

是最好的：）很好

0

索引实际上来自

stack（）

步骤，因此该部分很糟糕。但我想改名会让事情变得正确。

故事的士气

是最好的：）很好

0

索引实际上来自

stack（）

步骤，因此该部分很糟糕。但我想改名会让事情变得正确。

故事的士气

是最好的：）很好

0

索引实际上来自

stack（）

步骤，因此该部分很糟糕。但我想改名会让事情变好的。