Python pandas.DataFrame：如何使用外部参数应用Map（）

有关更清晰的说明，请参见末尾的更新

根据，您可以将外部参数传递给apply函数，但applymap的情况并非如此：

我想应用一个elementwise函数

f（a，I）

，其中

a

是元素，

I

是手动输入的参数。我之所以需要它，是因为我将在循环中为某些列表中的I执行

df.applymap（f）

举一个我想要的例子，假设我有一个数据帧

df

，其中每个元素都是一个

numpy.ndarray

。我想提取每个

ndarray

的

I

-th元素，并从中形成一个新的数据帧。所以我定义了我的

f

：

def f(a, i):
    return a[i]

这样我就可以做一个循环，返回

df

中包含的

np.ndarray

中每个元素的第I个元素：

for i in some_series:
    b[i] = df.applymap(f, i=i)

因此，在每次迭代中，它都会将我的

i

值传递给函数

f

我意识到，如果我对

df

使用多索引，一切都会变得更容易，但现在，这就是我正在使用的。有没有办法在熊猫身上做我想做的事？理想情况下，我希望避免遍历

df

中的所有列，我不明白为什么

applymap

不接受关键字参数，而

apply

接受关键字参数

另外，根据我目前对它的理解（可能是错误的），当我使用

df.apply

时，它会给我每行/每列的

I

-th元素，而不是

df

中包含的

I

-th元素

---

更新：

所以我才意识到我可以将

df

拆分成系列，然后使用

pd.Series.apply

来做我想做的事情。让我生成一些数据来说明我的意思：

def f(a,i):
    return a[i]

b = pd.Series(index=range(10), dtype=object)
for i in b.index:
    b[i] = np.random.rand(5)

b.apply(f,args=(1,))

做的正是我所期望的，也正是我所希望的。但是，尝试使用数据帧：

b = pd.DataFrame(index=range(4), columns=range(4), dtype=object)
for i in b.index:
    for col in b.columns:
        b.loc[i,col] = np.random.rand(10)

b.apply(f,args=(1,))

告诉我

ValueError:传递值的形状是（4,10），索引暗示（4,4）

熊猫不接受参数，

DataFrame.applymap（func）

。如果要将

i

保持为状态，可以将其存储为全局变量，由

func

访问/修改，或使用

装饰器

但是，我建议您尝试这种方法。
您可以使用它：

def matchValue(value, dictionary):
    return dictionary[value]

a = {'first':  1, 'second':  2}
b = {'first': 10, 'second': 20}
df['column'] = df['column'].map(lambda x: matchValue(x, a))

这是一种将参数存储在嵌套方法中的解决方案

f(cell,argument):
    """Do something with cell value and argument"""
    return output

def outer(argument):
   def inner(cell):
        return f(cell,argument)

   return inner 

argument = ...
df.applymap(func = outer(argument))

请参阅更新。有没有办法让apply函数实现我想要的功能？我真的不理解它给我带来的错误（有大量的文本），但我假设它试图返回
b
的
I
-第行，而不是b的每个元素的
I
-元素。您想在列表或序列上，还是在二维数据帧上使用
f
？熊猫
apply
沿数据帧的输入轴应用函数。和
applymap
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map（func，series）。基本上，我希望applymap的功能（因此在
df
/
b
的每个元素上应用
func
），同时能够传递我的“外部”参数
i
转换为
func
。正如您所说，我似乎可以使用全局变量或函数属性或其他什么，或者只是将
df
拆分为系列，但我只是想知道是否有一种方法可以直接在pandas中实现这一点。这取决于如何定义2D数组的
I-th
元素？如果是<代码> i＝行*nCel+Cale/COD>，熊猫没有直接的方式，但是您可以考虑使用<代码>应用< /C> >两次或。