python - 函数适用于数据框的每一行，但不使用 df.apply

Question

我有这个熊猫数据框，每行包含两个样本 X 和 Y：

import pandas as pd
import numpy as np
df = pd.DataFrame({'X': [np.random.normal(0, 1, 10),
                         np.random.normal(0, 1, 10),
                         np.random.normal(0, 1, 10)],
                   'Y': [np.random.normal(0, 1, 10),
                         np.random.normal(0, 1, 10),
                         np.random.normal(0, 1, 10)]})

我想ttest_ind()在每一行上使用一个函数（以两个样本作为输入的统计测试），并获取响应的第一个元素（该函数返回两个元素）：

• 如果我对给定的行（例如第一行）执行此操作，则它可以工作：

  from scipy import stats
  stats.ttest_ind(df['X'][0], df['Y'][0], equal_var = False)[0]
  # Returns a float
  

• 但是，如果我使用 apply 在每一行上执行此操作，则会出现错误：

  df.apply(lambda x: stats.ttest_ind(x['X'], x['Y'], equal_var = False)[0])
  
  # Throws the following error:
  Traceback (most recent call last):
  File "pandas\_libs\index.pyx", line 154, in 
  pandas._libs.index.IndexEngine.get_loc
  File "pandas\_libs\hashtable_class_helper.pxi", line 759, in 
  pandas._libs.hashtable.Int64HashTable.get_item
  TypeError: an integer is required
  During handling of the above exception, another exception occurred:
  ...
  KeyError: ('X', 'occurred at index X')
  

我究竟做错了什么？

标签： pythonpython-3.xpandasscipy

Answer 1

您只需要指定要在其上应用函数的轴。查看. _ _ apply()简而言之，axis = 1说“将函数应用于我的数据框的每一行”。默认值为axis = 0，它尝试将函数应用于每一列。

df.apply(lambda x: stats.ttest_ind(x['X'], x['Y'], equal_var = False)[0], axis=1)

0    0.985997
1   -0.197396
2    0.034277