Python apply（）对我的df的一部分起作用，但返回“；TypeError:浮点对象不可编辑”；总体上

目标：我有一个数据框，root_df，其中一列是一些用逗号分隔的单词（如“门、豹、礼炮”）命名的单词。然后我有另一个数据帧freq_df，其中有两列，WORD（string）和SCORE（float）。我要做的是创建一个聚合列，其中包含来自第二个数据帧freq_df的分数，该总分数基于第一个数据帧root_df中的列。让我给你举个例子。在freq_df中，带有“door”的行的分数为342388，“panther”一词根本不在数据框中，“sallet”的分数为9238.07。因此，根_df中的列为342388+9238.07，即351626.07

问题：我已经能够使用.apply（）对我的数据子集执行此操作，但当我尝试对整个数据集执行此操作时，它返回“TypeError:“float”对象不可编辑”。我想这可能是因为它们在“拆分单词”列中是一个NaN，所以我将所有NaN替换为“”以查看这是否有帮助，并返回了一个新错误，“TypeError:（“不可损坏的类型：'列表'，'发生在索引拆分单词处”）”。我不明白为什么这会对我的数据的一个子集起作用，而不是对整个事情起作用，我认为所有系列都有相同的数据类型。有人能解释一下发生了什么吗？有没有方法返回返回返回错误的行？如果有任何帮助，我们将不胜感激

这是完整的代码，包括来自Wikipedia表的数据框，用于复制问题。如果他们对我的代码有任何疑问或问题，请告诉我

import numpy as np
import pandas as pd
import urllib.request

def get_score(field):
    words_list = []
    for word in field:
        words_list.append(word)

    mask = freq_df['Word'].isin(words_list)

    return freq_df.loc[mask, 'Count (per billion)'].sum()

#Root DataFrame
root_urls = [r"https://en.wikipedia.org/wiki/List_of_Greek_and_Latin_roots_in_English/A%E2%80%93G",
        r"https://en.wikipedia.org/wiki/List_of_Greek_and_Latin_roots_in_English/H%E2%80%93O",
        r"https://en.wikipedia.org/wiki/List_of_Greek_and_Latin_roots_in_English/P%E2%80%93Z"]

root_dfs = []

for url in root_urls:
    dfs = pd.read_html(url, header=0)
    for i, df in enumerate(dfs):
        if df.shape[1] != 5:
            print('Deleted below DataFrame(s):\n', dfs[i].head())
            del dfs[i]
    root_dfs.extend(dfs)

root_df = pd.concat(root_dfs, ignore_index=True)
root_df.replace(to_replace="\[.*?]", value="", regex=True, inplace=True)

#Frequency DataFrame
url = r"https://en.wiktionary.org/wiki/Wiktionary:Frequency_lists/PG/2006/04/1-10000"

freq_dfs = pd.read_html(url, header=0)

freq_df = pd.concat(freq_dfs)

#Succesful use of apply
test = root_df.head().copy()
a = pd.DataFrame(columns=test.columns)
a.loc[0] = ['Test', 'Test', 'Test', 'Test', 'door, panther, salute'] # Adding the exact example I gave above
test = pd.concat([test, a], ignore_index=True)
test['Split words'] = test['English examples'].str.split(', ')

test_score = test['Split words'].apply(get_score) # LINE IN QUESTION : SUCCESS
print("\nSuccesful test:\n\n", test_score)

#Unsuccesful use of apply
root_df['Split words'] = root_df['English examples'].str.split(', ')
score = root_df['Split words'].apply(get_score) # LINE IN QUESTION : FAIL
print(score)

---

我认为您不需要使用

apply

。您可以在一个长系列中获取

英语示例中的所有单词，然后使用
map
映射
freq_df
中的值，然后汇总
英语示例的每个原始列表

# First get the score mapping series
score = freq_df.set_index('Word')['Count (per billion)']

# use stack to make one long series of words from
# english examples
stacked_words = root_df['English examples'].str.split(',\s*', expand=True).stack()

# map all the english example words to their score
# and then sum up each group(original row)
stacked_words.map(score).groupby(level=0).sum().fillna(0)

0        56157.78
1            0.00
2            0.00
3            0.00
4            0.00
5            0.00
6            0.00
7            0.00
8            0.00
9            0.00
10           0.00
11           0.00
12       11422.40
13      190547.67
....

谢谢！我最初的想法是尝试使用replace之类的东西，但我想不出来，所以我不得不使用.apply（）。只是为了确保我理解.map（）基本上正确，它需要两个系列。它从第一个系列中获取值，并用第二个系列的值替换它们，其中Series1 value=Series2 index。对吗？