將自定義 function 應用於 pandas 系列會產生 AttributeError

Question

我想為 pandas 系列創建自定義摘要 function。

df["tmk"].min()
df["tmk"].max()

這行得通。

def min_max(x):
    minimum = x.min()
    maximum = x.max()
    print(f'Min: {minimum} | Max: {maximum}')

df["tmk"].apply(lambda x: min_max(x))

AttributeError: 'float' object has no attribute 'min'

我想我在這里做錯了。 誰能幫我正確應用 function 嗎？

Answer 1

如果使用Series.apply它按列的每個值循環。 錯誤意味着標量沒有min和max 。

df = pd.DataFrame({
         'tmk':[4,5,4,5,5,np.nan],
})


def min_max(x):
    minimum = x.min()
    maximum = x.max()
    print(f'Min: {minimum} | Max: {maximum}')

您需要按Series.pipe處理列的所有值：

df["tmk"].pipe(min_max)

或將系列傳遞給 function，就像在評論中提到的@AkshayNevrekar 一樣：

min_max(df["tmk"])

另一個想法是使用DataFrame.apply - 為一列添加[] DataFrame ：

df[["tmk"]].apply(min_max)

Min: 4.0 | Max: 5.0

---

另一種方法是使用Series.describe或Series.agg ：

print (df['tmk'].describe())

count    5.000000
mean     4.600000
std      0.547723
min      4.000000
25%      4.000000
50%      5.000000
75%      5.000000
max      5.000000
Name: tmk, dtype: float64

print (df['tmk'].agg(['min', 'max']))
min    4.0
max    5.0
Name: tmk, dtype: float64

也可以像@Jon Clements 提到的那樣添加format ，謝謝：

print ('Min: {min} | Max: {max}'.format_map(df['tmk'].agg(['min', 'max'])))

Min: 4.0 | Max: 5.0

Answer 2

對於這種分析，只需使用系列描述方法。

如果你想在這里解釋你的錯誤，那就是。 這樣做：

df["tmk"].apply(lambda x: min_max(x))

您正在將 function 應用於系列中的每個值。 該值的類型為“float”。 python 中的浮點數沒有最大或最小方法。 相反，您可以使用：

df["tml"].min()

或者可能是內置 python 最小/最大，如：

min(df["tml"])

Answer 3

如果您只想獲取最小值和最大值，使用describe()方法可能會更容易

import pandas as pd
import numpy as np

# fix seeds so we get the same numbers
np.random.seed(42)
a = np.random.normal(0, 1, 10)
np.random.seed(42)
b = np.random.uniform(0, 1, 10)

df = pd.DataFrame({"A": a, "B": b})
df.describe()

>>>            A          B
count  10.000000  10.000000
mean    0.448061   0.520137
std     0.723008   0.315866
min    -0.469474   0.058084
25%    -0.210169   0.210649
50%     0.519637   0.599887
75%     0.737498   0.726014
max     1.579213   0.950714

您可以從那里獲取最小值、最大值和其他指標