Python pandas apply upper（）分别作用于两个字符串列中的每一列，但不能同时作用

我有一个简单的数据框架，大致如下：

    a       b
 0  horse  cat
 1  dog    elephant

运行：

df.loc[:,'a'].apply(lambda x: x.upper())

或

将相应列中的动物大写。然而，运行

df.loc[:,'a':'b'].apply(lambda x: x.upper())

或

结果为“AttributeError:（“'Series'对象没有属性'upper'，'发生在索引a'）”

显然，我想知道如何修复它（即，能够同时将两列大写）。但我也想知道一个列如何单独具有“upper”属性，但当lambda作为多个列的一部分应用于该列时，它会丢失该属性。

使用该属性可以：

将一个函数应用于一个数据帧，该数据帧旨在进行元素操作，例如，为数据帧中的每个系列执行映射（func，series）

使用str访问器：

df.loc[:,'a':'b'].apply(lambda x: x.str.upper())

输出：

       a         b
0  HORSE       CAT
1    DOG  ELEPHANT

这是怎么回事？ 好的，让我们做一点调试：

def f(x):
    print(type(x))
    print(type(x[0]))

df.loc[:,'a':'b'].apply(f)

输出：

<class 'pandas.core.series.Series'>
<class 'str'>
<class 'pandas.core.series.Series'>
<class 'str'>

<class 'str'>
<class 'str'>
<class 'str'>
<class 'str'>

输出：

<class 'pandas.core.series.Series'>
<class 'str'>
<class 'pandas.core.series.Series'>
<class 'str'>

<class 'str'>
<class 'str'>
<class 'str'>
<class 'str'>

这里，我们使用的是

pd.Series.apply

并传递每个值本身。因此，我们可以直接在每个值上调用字符串函数upper

---

而且，您还可以像在他的解决方案中一样使用

pd.DataFrame.applymap

将数据帧的每个单元格值传递给函数。

您正在查看使用

pd.DataFrame.apply

和

pd.Series.apply

的区别。很高兴为您提供帮助，我建议你看看斯科特对你最初尝试失败原因的解释，它涵盖了所有好东西。是的，活到老学到老！我现在不仅知道如何修复它，还知道为什么一开始就有问题。谢谢

def f(x):
    print(type(x))
    print(type(x[0]))

df.loc[:,'a'].apply(f)

<class 'str'>
<class 'str'>
<class 'str'>
<class 'str'>