[英]Python lambda: Assign function to another function
我有兩個函數,我想要結合起來:第一個函數叫做f(rdata,t),讀取數據的時間horizont t並安排它進行進一步的建模
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)
第二個函數分位數(data,q,n,ascending)計算假設的分位數q並將其與第一個函數的結果進行比較,顯示n個最極端的觀察值
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)
結合這兩個我可以建立以下功能
quantile(f(rdata), t), q, n, ascending)
不過我想創建一個函數,它讀入時間范圍t的數據,然后在第二步中應用分位數
f(data, t, quantile(data, q, n, ascending))
有任何建議如何設置,可能與Lambda函數?
如果你堅持以最復雜的方式做事,你可以使用partial
作為回調:
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)
)
但是在這兩種情況下,我都沒有看到它比簡單明了的解決方案有什么改進......
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.