python panda: menerapkan fungsi dengan argumen ke seri

Saya ingin menerapkan fungsi dengan argumen ke seri di python panda:

x = my_series.apply(my_function, more_arguments_1)
y = my_series.apply(my_function, more_arguments_2)
...

The dokumentasi menggambarkan dukungan untuk menerapkan metode, tetapi tidak menerima argumen. Apakah ada metode berbeda yang menerima argumen? Atau, apakah saya melewatkan solusi sederhana?

Pembaruan (Oktober 2017): Perhatikan bahwa sejak pertanyaan ini awalnya ditanyakan bahwa panda apply()telah diperbarui untuk menangani argumen posisi dan kata kunci dan tautan dokumentasi di atas sekarang mencerminkan hal itu dan menunjukkan bagaimana cara memasukkan kedua jenis argumen.

Versi panda yang lebih baru memungkinkan Anda memberikan argumen tambahan (lihat dokumentasi baru ). Jadi sekarang Anda bisa melakukannya:

my_series.apply(your_function, args=(2,3,4), extra_kw=1)

Argumen posisional ditambahkan setelah elemen seri.

Untuk versi panda yang lebih lama:

Dokumentasi menjelaskan hal ini dengan jelas. Metode yang berlaku menerima fungsi python yang seharusnya memiliki parameter tunggal. Jika Anda ingin memberikan lebih banyak parameter, Anda harus menggunakan functools.partialseperti yang disarankan oleh Joel Cornett dalam komentarnya.

Sebuah contoh:

>>> import functools
>>> import operator
>>> add_3 = functools.partial(operator.add,3)
>>> add_3(2)
5
>>> add_3(7)
10

Anda juga dapat menggunakan argumen kata kunci menggunakan partial.

Cara lain adalah dengan membuat lambda:

my_series.apply((lambda x: your_func(a,b,c,d,...,x)))

Tapi saya pikir menggunakan partiallebih baik.

Langkah:

1. Buat bingkai data
2. Buat fungsi
3. Gunakan argumen fungsi yang disebutkan dalam pernyataan yang berlaku.

Contoh

x=pd.DataFrame([1,2,3,4])  

def add(i1, i2):  
    return i1+i2

x.apply(add,i2=9)

Hasil dari contoh ini adalah bahwa setiap angka dalam kerangka data akan ditambahkan ke angka 9.

    0
0  10
1  11
2  12
3  13

Penjelasan:

Fungsi "add" memiliki dua parameter: i1, i2. Parameter pertama akan menjadi nilai dalam bingkai data dan yang kedua adalah apa pun yang kita berikan ke fungsi "apply". Dalam hal ini, kami meneruskan "9" ke fungsi terapkan menggunakan argumen kata kunci "i2".

Series.apply(func, convert_dtype=True, args=(), **kwds)

args : tuple

x = my_series.apply(my_function, args = (arg1,))

Anda dapat meneruskan sejumlah argumen ke fungsi yang applymemanggil argumen yang tidak disebutkan namanya, dilewatkan sebagai tuple ke argsparameter, atau melalui argumen kata kunci lain yang ditangkap secara internal sebagai kamus berdasarkan kwdsparameter.

Misalnya, mari kita membangun fungsi yang mengembalikan True untuk nilai antara 3 dan 6, dan False sebaliknya.

s = pd.Series(np.random.randint(0,10, 10))
s

0    5
1    3
2    1
3    1
4    6
5    0
6    3
7    4
8    9
9    6
dtype: int64

s.apply(lambda x: x >= 3 and x <= 6)

0     True
1     True
2    False
3    False
4     True
5    False
6     True
7     True
8    False
9     True
dtype: bool

Fungsi anonim ini tidak terlalu fleksibel. Mari kita buat fungsi normal dengan dua argumen untuk mengontrol nilai min dan maks yang kita inginkan di Seri kita.

def between(x, low, high):
    return x >= low and x =< high

Kami dapat mereplikasi output dari fungsi pertama dengan memberikan argumen tanpa nama ke args:

s.apply(between, args=(3,6))

Atau kita bisa menggunakan argumen yang disebutkan

s.apply(between, low=3, high=6)

Atau bahkan kombinasi keduanya

s.apply(between, args=(3,), high=6)