[英]Python lambda: Assign function to another function
我有两个函数,我想要结合起来:第一个函数叫做f(rdata,t),读取数据的时间horizont t并安排它进行进一步的建模
def f(rdata,t):
dataset = pd.read_csv(rdata, sep = ",", skiprows = 3)
data = dataset.loc[:,dataset.dtypes == np.float64]
data = pd.concat([dataset.OS_TERM, data], axis = 1).set_index(dataset.SIMULATION)
rdata = data.loc[data["OS_TERM"] == t ].drop("OS_TERM", axis = 1).T.add_prefix("Sim_")
return(rdata)
第二个函数分位数(data,q,n,ascending)计算假设的分位数q并将其与第一个函数的结果进行比较,显示n个最极端的观察值
def quantile(data, q , n , ascending):
name = str(q)
quant = pd.DataFrame({name:data.quantile(q, axis = 1)})
quant_dif = pd.DataFrame(data.values - quant.values, columns = data.columns)**2
cum_dif = pd.DataFrame(quant_dif.sum(axis = 0), columns = ["cum_dif"])
out = pd.DataFrame(cum_dif.sort(["cum_dif"], ascending = ascending).ix[0:n,:])
index = out.index.values
sims = pd.DataFrame(data.loc[:, index])
return(sims)
结合这两个我可以建立以下功能
quantile(f(rdata), t), q, n, ascending)
不过我想创建一个函数,它读入时间范围t的数据,然后在第二步中应用分位数
f(data, t, quantile(data, q, n, ascending))
有任何建议如何设置,可能与Lambda函数?
如果你坚持以最复杂的方式做事,你可以使用partial
作为回调:
from functools import partial
def apply(rdata, t, callback):
data = f(rdata, t)
return callback(data=data)
apply(rdata, t, partial(qantile, q=q, n=n, ascending=ascending))
或者用lambda:
apply(
rdata, t,
lambda data, q=q, n=n, asc=ascending: qantile(data, q, n, asc)
)
但是在这两种情况下,我都没有看到它比简单明了的解决方案有什么改进......
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.