Python 熊猫数据帧上最干净的迭代/功能应用程序，不考虑长度

我一直在努力对可变长度的数据帧进行干净的迭代或应用函数。具体来说，长度为1的数据帧片（熊猫系列）

一个简单的例子，一个数据帧和一个作用于它的每一行的函数。数据帧的格式是已知的/预期的

def stringify(row):
    return "-".join([row["y"], str(row["x"]), str(row["z"])])

df = pd.DataFrame(dict(x=[1,2,3],y=["foo","bar","bro"],z=[-99,1.04,213]))
Out[600]:
   x    y       z
0  1  foo  -99.00
1  2  bar    1.04
2  3  bro  213.00

df_slice = df.iloc[0]   # This is a Series

通常，您可以通过以下方式之一应用该功能：

stringy = df.apply(stringify,axis=1)
# or 
stringy = [stringify(row) for _,row in df.iterrows()]

Out[611]: ['foo-1--99.0', 'bar-2-1.04', 'bro-3-213.0']

## Error with same syntax if Series
stringy = df_slice.apply(stringify, axis=1)

如果数据帧为空，或者只有一个条目，则这些方法不再工作。序列没有

iterrows（）

方法，并且

apply

将函数应用于每个列（而不是行）

是否有更干净的内置方法来迭代/应用函数到可变长度的数据帧？否则，您必须不断编写繁琐的逻辑

if type(df) is pd.DataFrame:
    if len(df) == 0:
        return None
    else:
        return df.apply(stringify, axis=1)
elif type(df) is pd.Series:
    return stringify(df)

---

我意识到有一些方法可以确保形成长度为1的数据帧，但我要求的是一种干净的方法，可以像格式化的数据帧或序列一样应用/迭代各种数据结构

没有通用的方法来编写一个似乎可以同时处理这两个问题的函数 数据帧和系列。您可能需要使用

if语句来检查
对于类型，或使用
try..except
处理异常

我认为在调用
apply
之前，最好确保创建了正确类型的对象，而不是执行这两种操作。例如，使用
df.iloc[：1]
选择长度为1的数据帧，而不是使用返回序列的
df.iloc[0]
。只要将一个切片范围而不是单个值传递给
df.iloc
，就会返回一个数据帧

In [155]: df.iloc[0]
Out[155]: 
x      1
y    foo
z    -99
Name: 0, dtype: object

In [156]: df.iloc[:1]
Out[156]: 
   x    y   z
0  1  foo -99

你可以用try/except语句来包装东西。。。您应该知道，长度为1的数据帧和系列数据帧之间存在差异。您希望看到一行数据帧的系列文章是如何结束的？[dinkelk]尝试例外是可以的，但它们对代码来说同样杂乱无章。[exp1orer]没错，这是有区别的。当您获取数据帧的子集：
df.iloc[0]
时，这会给您一个series@EdChum：谢谢你指出这一点。我做了一个小编辑，
s/need to if/need to use/
，然后在不检查结果的情况下退出浏览器。显然，这可能导致重复的职位。有一个问题。