python之在 pandas 数据框上使用 apply 时传递值的形状错误_编程设计

我正在尝试在给定数据帧(dfTest，其中包含向量 x 的值)的所有行上应用基本样条函数以获得更大的函数(dfBigger)，它将包含向量 xnew(其中包含 x)的所有值.

因此我定义了以下变量:

import pandas as pd 
import numpy as np 
 
x = [0,1,3,5] 
xnew = range(0,6) 
 
np.random.seed(123) 
dfTest = pd.DataFrame(np.random.rand(12).reshape(3,4))

和基本样条函数:

def spline(y, x , xnew): 
    from scipy import interpolate 
    model = interpolate.splrep(x,y, s=0.) 
    ynew = interpolate.splev(xnew,model) 
    result = ynew.round(3) 
    return result

这似乎有效:

spline(dfTest.iloc[0],x,xnew) 
Out[176]: array([ 0.696,  0.286,  0.161,  0.227,  0.388,  0.551])

但是当我尝试将它应用于所有行时:

dfBigger = dfTest.apply(lambda row : spline(row, x, xnew), axis = 1)

我明白了:

ValueError: Shape of passed values is (3, 6), indices imply (3, 4)

因为 dfBigger 大小没有在任何地方定义，所以我看不出哪里出了问题。任何有关此代码的帮助和/或评论将不胜感激。

请您参考如下方法:

df.apply(func)尝试从值中构建一个新的 Series 或 DataFrame 由 func 返回。 Series 或 DataFrame 的形状取决于 func 返回的值。为了更好地处理 df.apply 的行为，尝试以下调用:

dfTest.apply(lambda row: 1, axis=1)                       # Series 
dfTest.apply(lambda row: [1], axis=1)                     # Series 
dfTest.apply(lambda row: [1,2], axis=1)                   # Series 
dfTest.apply(lambda row: [1,2,3], axis=1)                 # Series 
dfTest.apply(lambda row: [1,2,3,4], axis=1)               # Series 
dfTest.apply(lambda row: [1,2,3,4,5], axis=1)             # Series 
 
dfTest.apply(lambda row: np.array([1]), axis=1)           # DataFrame 
dfTest.apply(lambda row: np.array([1,2]), axis=1)         # ValueError 
dfTest.apply(lambda row: np.array([1,2,3]), axis=1)       # ValueError 
dfTest.apply(lambda row: np.array([1,2,3,4]), axis=1)     # DataFrame! 
dfTest.apply(lambda row: np.array([1,2,3,4,5]), axis=1)   # ValueError 
 
dfTest.apply(lambda row: pd.Series([1]), axis=1)          # DataFrame 
dfTest.apply(lambda row: pd.Series([1,2]), axis=1)        # DataFrame 
dfTest.apply(lambda row: pd.Series([1,2,3]), axis=1)      # DataFrame 
dfTest.apply(lambda row: pd.Series([1,2,3,4]), axis=1)    # DataFrame 
dfTest.apply(lambda row: pd.Series([1,2,3,4,5]), axis=1)  # DataFrame

那么我们可以从这些实验中得出什么规律呢？

如果 func 返回标量或列表，则 df.apply(func) 返回一个系列。
如果 func 返回一个 Series，则 df.apply(func) 返回一个 DataFrame。
如果 func 返回一维 NumPy 数组，并且该数组只有一个元素，df.apply(func) 返回一个 DataFrame。 (不是一个非常有用的案例......)
如果 func 返回一维 NumPy 数组，并且该数组的元素数与 df 的列数相同，df .apply(func) 返回一个 DataFrame。 (有用，但有限)

因为 func 返回 6 个值，而你想要一个 DataFrame 作为结果，解决方案是让 func 返回一个 Series 而不是 NumPy 数组:

def spline(y, x, xnew): 
    ... 
    return pd.Series(result)

import numpy as np 
import pandas as pd 
from scipy import interpolate 
 
def spline(y, x, xnew): 
    model = interpolate.splrep(x,y, s=0.) 
    ynew = interpolate.splev(xnew,model) 
    result = ynew.round(3) 
    return pd.Series(result) 
 
x = [0,1,3,5] 
xnew = range(0,6) 
np.random.seed(123) 
dfTest = pd.DataFrame(np.random.rand(12).reshape(3,4)) 
# spline(dfTest.iloc[0],x,xnew) 
dfBigger = dfTest.apply(lambda row : spline(row, x, xnew), axis=1) 
print(dfBigger)

产量

        0      1      2      3      4      5 
 0  0.696  0.286  0.161  0.227  0.388  0.551 
 1  0.719  0.423  0.630  0.981  1.119  0.685 
 2  0.481  0.392  0.333  0.343  0.462  0.729