使用df.apply（熊猫）时发生TypeError

Question

我有一个看起来像这样的熊猫数据框：

我想记录数据框中每个值的日志。

因此，一开始似乎没有问题，然后： data.apply(lambda x:math.log(x))返回类型错误（无法将系列转换为“ float”类）。

好的，好的-因此，尽管经常不赞成类型检查，但还是给了我一个机会（也尝试将x强制转换为浮点数，同样的问题）：

isinstance((data['A1BG'][0]), np.float64)返回true，所以我尝试了：

data.apply(lambda x: math.log(x) if isinstance(x, np.float64) else x) 。 运行没有任何错误，但是它没有更改我的数据框中的任何值。

我究竟做错了什么？

谢谢！

Answer 1

当你apply一个数据帧时，应用功能将在一定投Pandas.Series不是float（相反，当你使用apply上一个系列）。 然后，而不是math.log你应该使用np.log ）

编辑：

通过示例，它总是更好：

test = pd.DataFrame(columns = ['a','b'])
test.a = np.random.random(5)
test.b = np.random.random(5)

    a           b
0   0.430111    0.420516
1   0.367704    0.785093
2   0.034130    0.839822
3   0.310254    0.755089
4   0.098302    0.136995

如果您尝试以下操作，将无法使用：

test.apply(lambda x: math.log(x))

TypeError: ("cannot convert the series to <class 'float'>", 'occurred at index a')

但这可以完成工作：

test.apply(lambda x: np.log(x))

    a           b
0   -0.843711   -0.866273
1   -1.000476   -0.241953
2   -3.377588   -0.174565
3   -1.170364   -0.280919
4   -2.319708   -1.987811

Answer 2

发生的情况是df.apply返回一个pd.Series对象供lambda进行操作...它基本上一次在Series上进行操作，而不一次在一个float上进行操作。

因此，

data.apply(lambda x: math.log(x) if isinstance(x, np.float64) else x)

isinstance(x, np.float64)永远不会为真（因为x是pd.Series类型），因此else总是执行。

为了解决这个问题，您可以使用df.applymap一次操作一列：

data.applymap(math.log)

使用apply时，解决方案是相似的，但是您无法逃避lambda：

data.apply(lambda x: np.log(x))

或者，（pd 0.20）：

data.transform(lambda x: np.log(x))

巧合的是， df.applymap是最快的，其次是df.apply和df.transform 。

Answer 3

尝试这个

 import math
 data.apply(lambda x:math.log(list(x)))