python - 使用 raw=False 的自定义扩展功能

Question

考虑以下数据框:

df = pd.DataFrame({
    'a': np.arange(1, 5),
    'b': np.arange(1, 5) * 2,
    'c': np.arange(1, 5) * 3
})

   a  b   c
0  1  2   3
1  2  4   6
2  3  6   9
3  4  8  12

我想计算列中每一行的累积总和:

def expanding_func(s):
    return s.sum()

df.expanding(1, axis=1).apply(expanding_func, raw=True)

# As expected:
     a     b     c
0  1.0   3.0   6.0
1  2.0   6.0  12.0
2  3.0   9.0  18.0
3  4.0  12.0  24.0

但是，如果我设置 raw=False , expanding_func不再有效:

df.expanding(1, axis=1).apply(expanding_func, raw=False)
ValueError: Length of passed values is 3, index implies 4

documentation说 expanding_func

Must produce a single value from an ndarray input if raw=True or a single value from a Series if raw=False.

这正是我正在做的。为什么 expanding_func失败时 raw=False ?

备注 : 这只是一个人为的例子。我想知道如何编写自定义滚动函数，而不是如何计算跨列的累积总和。

Answer 1

看来这是 Pandas 的一个错误。

如果你这样做:

df.iloc[:3].expanding(1, axis=1).apply(expanding_func, raw=False)

它确实有效。似乎当作为一个系列传递时，pandas 出于某种原因试图用数据帧的行数检查返回的列数。 (它应该比较df的列数)

一种解决方法是转置 df，应用您的函数并转回似乎有效的方法。该错误似乎仅在轴设置为 1 时影响。

df.T.expanding(1, axis=0).apply(expanding_func, raw=False).T
    a       b       c
0   1.0     3.0     6.0
1   2.0     6.0     12.0
2   3.0     9.0     18.0
3   4.0     12.0    24.0