Python Pandas:df.groupby（x，y）.apply（）跨多列参数错误 基本问题：

我有几个“过去”和“现在”变量，我想对它们执行简单的“行”百分比更改。例如：

（（现在导出-过去导出）/过去导出））

这两个问题完成了这一点，但当我尝试类似的方法时，我得到了一个错误，即我的函数delta获得了一个未知参数

axis

数据示例： 按照第一个问题的答案,

我的解决方案是使用如下函数： 并应用如下函数： 这将生成此错误：

TypeError:deltas（）获取了意外的关键字参数“axis”

有没有关于如何绕过轴参数误差的想法？还是一种更优雅的方法来计算pct变化？我的问题的关键在于，我需要能够跨多个不同的列对应用此函数，因此，像第二个问题中的答案那样硬编码列名是不可取的。谢谢

考虑使用Series/DataFrame方法来完成此操作

df.pct_change()

混淆源于两个不同（但名称相同）的

apply

函数，一个在Series/DataFrame上，另一个在groupby上

In [11]: df
Out[11]:
   0  1  2
0  1  1  1
1  2  2  2

该方法采用axis参数：

In [12]: df.apply(lambda x: x[0] + x[1], axis=0)
Out[12]:
0    3
1    3
2    3
dtype: int64

In [13]: df.apply(lambda x: x[0] + x[1], axis=1)
Out[13]:
0    2
1    4
dtype: int64

没有，kwarg被传递给函数：

In [14]: g.apply(lambda x: x[0] + x[1])
Out[14]:
0    2
1    4
dtype: int64

In [15]: g.apply(lambda x: x[0] + x[1], axis=1)
TypeError: <lambda>() got an unexpected keyword argument 'axis'

---

谢谢你的回答，安迪。如果我坚持使用groupby apply并删除axis参数，我会得到一个键错误

KeyError:u'no item named 0'

，以

行[0]

等方式访问元素。有没有一种方法可以使用groupby apply，并且仍然使用一种表示法，使它可以轻松地应用于几个不同名称的列对？我考虑了

df.pct_change（）

函数，但我相信它只适用于单个列。例如，df.pct变化（自身，周期=1，填充方法=pad，限制=None，频率=None，**kwd）。我还没有检查源代码，但我相信它是通过类似于

.shift（）

方法的方法实现的。如果这是真的，我不确定它是否可以应用于多列。@agconti已更新，您可以使用轴为1的groupby，您可以将pct_更改应用于整个数据帧。或者你想用apply（

lambda x:x.pct_change（）

）对每组进行一次测试。我想我在帖子中没有100%清楚。（我更新了它）。我希望做pct_change（）计算时，不要将导出中的周期移到过去和现在，而是使用这些值。例如，

（（现在导出-过去导出）/过去导出）

。将轴=1传递给groupby会导致

值错误：传递的项目数错误1，索引表示0

，当这样使用时：

df['xx_delta']=df.groupby（['xx_过去'，'xx_现在']，轴=1）。应用（delta）

In [11]: df
Out[11]:
   0  1  2
0  1  1  1
1  2  2  2

In [12]: df.apply(lambda x: x[0] + x[1], axis=0)
Out[12]:
0    3
1    3
2    3
dtype: int64

In [13]: df.apply(lambda x: x[0] + x[1], axis=1)
Out[13]:
0    2
1    4
dtype: int64

In [14]: g.apply(lambda x: x[0] + x[1])
Out[14]:
0    2
1    4
dtype: int64

In [15]: g.apply(lambda x: x[0] + x[1], axis=1)
TypeError: <lambda>() got an unexpected keyword argument 'axis'

In [16]: g1 = df.groupby(0, axis=1)

In [17]: g1.apply(lambda x: x.iloc[0, 0] + x.iloc[1, 0])
Out[17]:
0
1    3
2    3
dtype: int64