python - pandas df.apply 意外更改数据框

Question

根据我的理解，pandas.DataFrame.apply 不会就地应用更改，我们应该使用它的返回对象来保存任何更改。但是，我发现了以下不一致的行为:

为了确保原始 df 保持不变，让我们应用一个虚拟函数:

>>> def foo(row: pd.Series):
...     row['b'] = '42'

>>> df = pd.DataFrame([('a0','b0'),('a1','b1')], columns=['a', 'b'])
>>> df.apply(foo, axis=1)
>>> df
    a   b
0   a0  b0
1   a1  b1

这符合预期。但是，如果我们修改初始化此 df 的方式，foo 将应用更改:

>>> df2 = pd.DataFrame(columns=['a', 'b'])
>>> df2['a'] = ['a0','a1']
>>> df2['b'] = ['b0','b1']
>>> df2.apply(foo, axis=1)
>>> df2
    a   b
0   a0  42
1   a1  42

我还注意到，如果列数据类型不是“对象”类型，则上述情况不成立。为什么 apply() 在这两种情况下表现不同？

python :3.6.5

Pandas :0.23.1

Answer 1

有趣的问题!我相信您看到的行为是您使用 apply 方式的产物。

正如您正确指出的那样，apply 并非旨在用于修改数据框。但是，由于 apply 采用任意函数，因此不能保证应用该函数是幂等的并且不会更改数据帧。在这里，您找到了该行为的一个很好的例子，因为您的函数 foo 试图修改由 apply 传递给它的行。

使用 apply 修改行可能会导致这些副作用。这不是最佳做法。

相反，请考虑使用这种惯用的apply 方法。 apply 函数通常用于创建新列。以下是通常如何使用 apply 的示例，我相信它会引导您远离这个潜在的麻烦区域:

import pandas as pd
# construct df2 just like you did
df2 = pd.DataFrame(columns=['a', 'b'])
df2['a'] = ['a0','b0']
df2['b'] = ['a1','b1']

df2['b_copy'] = df2.apply(lambda row: row['b'], axis=1) # apply to each row
df2['b_replace'] = df2.apply(lambda row: '42', axis=1) 
df2['b_reverse'] = df2['b'].apply(lambda val: val[::-1]) # apply to each value in b column

print(df2)

# output:
#     a   b b_copy b_replace b_reverse
# 0  a0  a1     a1        42        1a
# 1  b0  b1     b1        42        1b

请注意，pandas 将一行或一个单元格传递给您作为 apply 的第一个参数的函数，然后将函数的输出存储在您选择的列中。

如果您想逐行修改数据帧，请查看iterrows 和loc 以获得最惯用的方法。