Python 熊猫系列应用方法

我一直在对series和dataframe使用pandas apply方法，但显然我仍然缺少一些东西，因为我在尝试执行一个简单的函数

这就是我所做的：

def minmax(row):
    return (row - row.min())/(row.max() - row.min())

row.apply(minmax)

但是，这将返回一个全零序列。例如，如果

row = pd.Series([0, 1, 2])

然后

根据需要返回[0.0,0.5,1.0]。但是，row.apply（minmax）返回[0,0,0]

我相信这是因为级数是整数，整数除法返回0。但是，我不明白

• 为什么它与minmax（row）一起工作（它的行为不应该相同吗？）
• 如何在apply函数中正确地转换它以返回适当的浮点值（我尝试使用.astype转换它，这给了我所有的NaN…我也不理解）
• 如果将其应用于数据帧，如df.apply（minmax），它也可以根据需要工作。（新增编辑）

---

我怀疑我在应用程序的工作原理中遗漏了一些基本的东西。。。或者是稠密的。不管怎样，先谢谢你

当您调用

行时。对
系列
应用（最小值）

仅将值传递给函数。这称为元素方面的

对系列的值调用函数。可以是ufunc（一个应用于整个系列的NumPy函数）或只对单个值起作用的Python函数

---

在

数据帧上调用
row.apply（minmax）
时，会将行（默认）或列传递给函数（根据
轴的值）

传递给函数的对象是具有数据帧索引（axis=0）或列索引（axis=1）的系列对象。返回类型取决于传递的函数是否聚合，如果数据帧为空，则取决于reduce参数。这称为行方向或列方向

这就是为什么您的示例在
数据帧
上按预期工作，而不是在
系列
上工作的原因。有关将函数映射到
系列
的信息，请选中此项，了解您使用的熊猫是什么版本的？我不能复制这个。啊。。。嗯，这给了我一些鼓励。另外，我刚刚补充说，将其应用于数据帧的效果很好。熊猫0.18.0…啊！我忽略了可以应用于整个系列的唯一函数是numpy函数。所以，在这个特殊的情况下，apply和map的工作原理是一样的，我相信。您能解释一下为什么python不会因为将.min（）和.max（）应用于这些值而感到不安吗？在这种情况下，这是没有意义的，我本以为会出错。我这样做了，row.apply（lambda x:x-x.min（）），以测试您所说的内容，它还返回[0,0,0]，所以我收集x.min（）==x，但我认为它会出错。谢谢这很奇怪，在我的测试中，对
系列
调用函数会产生一个错误
AttributeError:“int”对象没有属性“min”
。这似乎是预期的行为。你在用什么熊猫？我在Juypter（我工作的地方）和PyCharm中都重新创建了它，但没有错误。提出错误会节省我很多时间。：）我将更新到0.18.1并查看。再次感谢。
minmax(row)