如何将函数应用于混合类型的Pandas DataFrame？

Question

这就是我将函数应用于Pandas数据帧的方法，它可以就地工作并修改原始数据框。

df  = pd.DataFrame([[0,0,0],
                    [0,0,0],
                    [0,0,0]],
                    columns=['a', 'b', 'c'])

def add_one(x) :
    x['b'] = x['b'] + 1
    return x

df.apply(add_one, axis=1)

但是如果我在这个数据框上尝试相同（它有整数和浮点数而不仅仅是整数），那么它就无法在原地应用并且总是返回一个数据帧。 但我有一个庞大的数据框架，所以我想在现场进行。

df = pd.DataFrame([[0,1.0,0],
                   [0,1.0,0],
                   [0,1.0,0]],
                   columns=['a', 'b', 'c'])

你能帮我吗？ （以及为什么这种行为首先！）

谢谢。

Answer 1

列中的每个元素都具有相同的dtype，因此当您从DataFrame获得列Series ，它们共享内存。

但是如果从DataFrame获取行Series ，则它可能不包含相同的dtype值，在这种情况下，您将获得转换为常规dtype的数据的副本。

我在下面的代码中， df.apply(f, axis=1)将每一行传递给函数，该函数包含数据的副本：

df = pd.DataFrame([[0,1.0,0],
                   [0,1.0,0],
                   [0,1.0,0]],
                   columns=['a', 'b', 'c'])

def f(x):
    x.values[0] += 1
    return x

df.apply(f, axis=0) #pass every column to f, this will change the original dataframe
print df

df.apply(f, axis=1) #pass every row to f, this will not change the original dataframe
print df