Pandas - 9.2 向量化函數(shù)

import pandas as pd

df = pd.DataFrame({'a': [10, 20, 30],
                   'b': [20, 30, 40]})
print(df)
'''
    a   b
0  10  20
1  20  30
2  30  40
'''

# avg_2函數(shù)內部的計算本質上是向量化的
def avg_2(x, y):
    return (x + y)/2

print(avg_2(df['a'], df['b']))

'''
0    15.0
1    25.0
2    35.0
dtype: float64
'''

import numpy as np

# 非向量化計算
def avg_2_mod(x, y):
    if x == 20:
        return np.NaN
    else:
        return (x + y)/2

print(avg_2_mod(df['a'], df['b']))
# 報錯
# ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

# 輸入單個值正常工作
print(avg_2_mod(10, 20))
# 15.0

np.vectorize 函數(shù)

對于非向量化的函數(shù)河质,使用np.vectorize創(chuàng)建新函數(shù)實現(xiàn)向量化(對于沒有某個函數(shù)的源代碼時)

avg_2_mod_vec = np.vectorize(avg_2_mod)
print(avg_2_mod_vec(df['a'], df['b']))
# [15. nan 35.]

python裝飾器把函數(shù)向量化夹厌,無需創(chuàng)建新函數(shù)(對于函數(shù)是自定義的)

@np.vectorize
def avg_2_mod(x, y):
    if x == 20:
        return np.NaN
    else:
        return (x + y)/2

print(avg_2_mod(df['a'], df['b']))
# [15. nan 35.]

lambda 函數(shù)

當函數(shù)相當簡單時伶氢,可以寫在apply方法中

# 編寫一個模式她渴,從數(shù)據(jù)行中提取所有字母堕仔,并把它們賦給新的列name呼渣。
import regex

p = regex.compile('\w+\s+\w+')

def get_name(s):
    return p.match(s).group()

docs = pd.read_csv('data/doctors.csv', header=None)
docs['name_func'] = docs[0].apply(get_name)
print(docs)

'''
                               0              name_func
0     William Hartnell (1963-66)       William Hartnell
1    Patrick Troughton (1966-69)      Patrick Troughton
2          Jon Pertwee (1970 74)            Jon Pertwee
3            Tom Baker (1974-81)              Tom Baker
4        Peter Davison (1982-84)          Peter Davison
5          Colin Baker (1984-86)            Colin Baker
6      Sylvester McCoy (1987-89)        Sylvester McCoy
7             Paul McGann (1996)            Paul McGann
8   Christopher Eccleston (2005)  Christopher Eccleston
9        David Tennant (2005-10)          David Tennant
10          Matt Smith (2010-13)             Matt Smith
11     Peter Capaldi (2014-2017)          Peter Capaldi
12        Jodie Whittaker (2017)        Jodie Whittaker
'''
# 函數(shù)簡單棘伴,直接寫在apply中,lambda會將整列或整行作為第一個參數(shù)
docs['name_lamb'] = docs[0].apply(lambda x: p.match(x).group())
print(docs)

'''
                               0              name_func              name_lamb
0     William Hartnell (1963-66)       William Hartnell       William Hartnell
1    Patrick Troughton (1966-69)      Patrick Troughton      Patrick Troughton
2          Jon Pertwee (1970 74)            Jon Pertwee            Jon Pertwee
3            Tom Baker (1974-81)              Tom Baker              Tom Baker
4        Peter Davison (1982-84)          Peter Davison          Peter Davison
5          Colin Baker (1984-86)            Colin Baker            Colin Baker
6      Sylvester McCoy (1987-89)        Sylvester McCoy        Sylvester McCoy
7             Paul McGann (1996)            Paul McGann            Paul McGann
8   Christopher Eccleston (2005)  Christopher Eccleston  Christopher Eccleston
9        David Tennant (2005-10)          David Tennant          David Tennant
10          Matt Smith (2010-13)             Matt Smith             Matt Smith
11     Peter Capaldi (2014-2017)          Peter Capaldi          Peter Capaldi
12        Jodie Whittaker (2017)        Jodie Whittaker        Jodie Whittaker
'''
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末屁置,一起剝皮案震驚了整個濱河市焊夸,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌蓝角,老刑警劉巖阱穗,帶你破解...
    沈念sama閱讀 206,839評論 6 482
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異使鹅,居然都是意外死亡揪阶,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,543評論 2 382
  • 文/潘曉璐 我一進店門患朱,熙熙樓的掌柜王于貴愁眉苦臉地迎上來鲁僚,“玉大人,你說我怎么就攤上這事裁厅”常” “怎么了?”我有些...
    開封第一講書人閱讀 153,116評論 0 344
  • 文/不壞的土叔 我叫張陵姐直,是天一觀的道長倦淀。 經常有香客問我蒋畜,道長声畏,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 55,371評論 1 279
  • 正文 為了忘掉前任姻成,我火速辦了婚禮插龄,結果婚禮上,老公的妹妹穿的比我還像新娘科展。我一直安慰自己均牢,他們只是感情好,可當我...
    茶點故事閱讀 64,384評論 5 374
  • 文/花漫 我一把揭開白布才睹。 她就那樣靜靜地躺著徘跪,像睡著了一般甘邀。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上垮庐,一...
    開封第一講書人閱讀 49,111評論 1 285
  • 那天松邪,我揣著相機與錄音,去河邊找鬼哨查。 笑死逗抑,一個胖子當著我的面吹牛,可吹牛的內容都是我干的寒亥。 我是一名探鬼主播邮府,決...
    沈念sama閱讀 38,416評論 3 400
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼溉奕!你這毒婦竟也來了褂傀?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 37,053評論 0 259
  • 序言:老撾萬榮一對情侶失蹤加勤,失蹤者是張志新(化名)和其女友劉穎紊服,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體胸竞,經...
    沈念sama閱讀 43,558評論 1 300
  • 正文 獨居荒郊野嶺守林人離奇死亡欺嗤,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 36,007評論 2 325
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了卫枝。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片煎饼。...
    茶點故事閱讀 38,117評論 1 334
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖校赤,靈堂內的尸體忽然破棺而出吆玖,到底是詐尸還是另有隱情,我是刑警寧澤马篮,帶...
    沈念sama閱讀 33,756評論 4 324
  • 正文 年R本政府宣布沾乘,位于F島的核電站,受9級特大地震影響浑测,放射性物質發(fā)生泄漏翅阵。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 39,324評論 3 307
  • 文/蒙蒙 一迁央、第九天 我趴在偏房一處隱蔽的房頂上張望掷匠。 院中可真熱鬧,春花似錦岖圈、人聲如沸讹语。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,315評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽顽决。三九已至短条,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間才菠,已是汗流浹背慌烧。 一陣腳步聲響...
    開封第一講書人閱讀 31,539評論 1 262
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留鸠儿,地道東北人屹蚊。 一個月前我還...
    沈念sama閱讀 45,578評論 2 355
  • 正文 我出身青樓,卻偏偏與公主長得像进每,于是被迫代替她去往敵國和親汹粤。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 42,877評論 2 345

推薦閱讀更多精彩內容