Python：如何使用apply广播操作而不编写辅助函数

我有一列包含字符串的数据，我想创建一个新列，只从相应的数据字符串中获取前两个字符

为此使用

apply

函数似乎是合乎逻辑的，但它的工作方式与预期不同。它甚至似乎与

apply

的其他用法不一致。见下文

In [205]: dfrm_test = pandas.DataFrame({"A":np.repeat("the", 10)})

In [206]: dfrm_test
Out[206]:
     A
0  the
1  the
2  the
3  the
4  the
5  the
6  the
7  the
8  the
9  the

In [207]: dfrm_test["A"].apply(lambda x: x+" cat")
Out[207]:
0    the cat
1    the cat
2    the cat
3    the cat
4    the cat
5    the cat
6    the cat
7    the cat
8    the cat
9    the cat
Name: A

In [208]: dfrm_test["A"].apply(lambda x: x[0:2])
Out[208]:
0    the
1    the
Name: A

基于此，

apply

似乎什么都不做，只执行与内部调用的NumPy等价的操作。也就是说，

apply

似乎执行与第一个示例中的

arr+“cat”

相同的操作。如果NumPy碰巧播出了这个节目，那么它就会起作用。如果不是，那就不会了

但这似乎违背了文件中的承诺。以下是pandas.Series.apply的预期报价：

对系列的值调用函数。可以是只需要单个值的ufunc或Python函数（）

它明确表示它可以接受只需要单个值的Python函数。不起作用的函数（

lambda x:x[0:2]

）肯定满足这一点。它并没有说单个参数必须是数组。考虑到像

numpy.sqrt

这样的东西通常用于单输入（因此不完全是数组），因此期望Pandas使用任何这样的函数似乎是很自然的

是否有我在这里缺少的使用

apply

的方法

注意：我确实在下面编写了自己的额外函数：

def ix2(arr):
    return np.asarray([x[0:2] for x in arr])

我验证了这个版本是否可以与Pandas

apply

一起使用。但这与问题无关。编写外部操作在Series对象之上的东西要比不断编写使用列表理解的包装器来有效循环Series内容容易得多。这不正是

apply

应该从用户那里抽象出来的吗

我使用的是Pandas版本0.7.3，它位于工作场所共享网络上，因此无法升级到最新版本

添加：

我能够确认此行为从版本0.7.3更改为版本0.8.1。在0.8.1中，它在没有NumPy ufunc包装的情况下按预期工作

我的猜测是，在代码中，有人试图在try-except语句中使用

numpy.vectorize

或

numpy.fromfunc

。也许它不能正确地与我正在使用的特定lambda函数一起工作，因此在代码的

部分，它默认只依赖于通用NumPy广播

如果可能的话，从Pandas开发者那里得到一些确认将是非常棒的。但与此同时，ufunc解决方案应该足够了。
我能想到的一个解决方案是将Python函数转换为
numpy.ufunc
：

并在
应用中使用此选项：

In [50]: dfrm_test
Out[50]:
     A
0  the
1  the
2  the
3  the
4  the
5  the
6  the
7  the
8  the
9  the

In [51]: dfrm_test["A"].apply(np.frompyfunc((lambda x: x[0:2]), 1, 1))
Out[51]:
0    th
1    th
2    th
3    th
4    th
5    th
6    th
7    th
8    th
9    th
Name: A

In [52]: pandas.version.version
Out[52]: '0.7.3'

In [53]: dfrm_test["A"].apply(lambda x: x[0:2])
Out[53]:
0    the
1    the
Name: A

尝试使用dfrm_test.A.map（lambda x:x[0:2]）
从0.8.1开始使用：

In [47]: dfrm_test.A.str[:2]
Out[47]: 
0    th
1    th
2    th
3    th
4    th
5    th
6    th
7    th
8    th
9    th
Name: A

熊猫0.8返回进行
dfrm_测试[“A”]。应用（lambda x:x[0:2]）
10次
th
。您确认这只是版本7.2-1中的一个错误吗？？请注意，我在问题的底部提到，我无法摆脱使用这个版本。我不知道，我现在无法检查它。如果我在0.8上遇到同样的问题，我可以尝试找到解决方案，但如果没有7.2，我就无法解决。更正：我有0.7.3版。这是我早些时候报道的热情洋溢的分布。同样的bug仍在发生。这是可行的，但是我认为这也是一个解决办法，因为它没有解决“代码>应用< /COD>不符合承诺的事实。您是否可以验证
map
是否在
apply
将起作用的所有相同情况下都起作用？我也不喜欢从序列的
map
到数据帧的
applymap
之间的不一致性。我不确定这是否是
Series的“变通方法”。map
是元素操作的预期方法
Series.apply
将首先尝试将整个系列传递到输入函数中，并且只有在引发异常时才会返回元素操作。这与
apply
的文档及其0.8.1行为相矛盾，在该行为中，它成功地执行了上面示例的元素版本，而版本0.7.3似乎使用了您描述的逻辑。因为
apply
应该在0.7.3中工作，就像在0.8.1中一样（根据文档），所以我认为这是一种变通方法<代码>映射

很好，但应用应该可以。我在github master上，它不工作；它可能是偶然在0.8.1中工作的<代码>应用的设计目的是，您可以应用ufunc并获取索引完整的序列。看一下源代码，它尝试调用func（self）并将其包装在try/except块中，然后在except中调用map\u expert。在您的示例中，您提供的函数可以获取一个系列并返回一个系列，但不执行元素操作，因此代码无法知道如何触发元素大小写。为了明确说明您希望按元素应用输入函数，您必须使用

Series.map

。尽管我同意您的看法，但apply的docstring在这方面还不清楚。我们可以为应用改进文档。

In [47]: dfrm_test.A.str[:2]
Out[47]: 
0    th
1    th
2    th
3    th
4    th
5    th
6    th
7    th
8    th
9    th
Name: A