pandas apply() 导致 UnboundLocalError

Question

我有一个包含 2 列的数据框 (df_cluster) [客户 ID，集群]。大约有 13 个集群，我尝试使用 python 中的 apply() 为每个集群分配一个名称。我过去使用过相同的函数并且工作正常，但现在我收到“UnboundLocalError”错误。如果我做错了什么，请告诉我。我对 apply() 的理解是，它跨轴传递函数（在这种情况下，函数 cluster_name 将为每一行传递）这是代码def cluster_name(df):    if df['cluster'] == 1:        value = 'A'    elif df['cluster'] == 2:        value = 'B'        elif df['cluster'] == 3:        value = 'C'    elif df['cluster'] == 4:        value = 'D'    elif df['cluster'] == 5:        value = 'E'    elif df['cluster'] == 6:        value = 'F'    elif df['cluster'] == 7:        value = 'G'    return valuedf_cluster['cluster_name'] = df_cluster.apply(cluster_name, axis = 1)错误UnboundLocalError                         Traceback (most recent call last)<ipython-input-16-b64f3fdc1260> in <module>     16     return value     17 ---> 18 df_cluster['cluster_name'] = df_cluster.apply(cluster_name, axis = 1)     19 df_cluster['cluster_name'].value_counts()/opt/cloudera/parcels/Anaconda/envs/py36/lib/python3.6/site-packages/pandas/core/frame.py in apply(self, func, axis, broadcast, raw, reduce, result_type, args, **kwds)   6926             kwds=kwds,   6927         )-> 6928         return op.get_result()   6929    6930     def applymap(self, func):/opt/cloudera/parcels/Anaconda/envs/py36/lib/python3.6/site-packages/pandas/core/apply.py in get_result(self)    184             return self.apply_raw()    185 --> 186         return self.apply_standard()    187     188     def apply_empty_result(self):

Answer 1

else你的函数中缺少一个：

def cluster_name(df):

    if df['cluster'] == 1:

        value = 'A'

    elif df['cluster'] == 2:

        value = 'B'    

    elif df['cluster'] == 3:

        value = 'C'

    elif df['cluster'] == 4:

        value = 'D'

    elif df['cluster'] == 5:

        value = 'E'

    elif df['cluster'] == 6:

        value = 'F'

    elif df['cluster'] == 7:

        value = 'G'

    else:

        value = ...

    return value

否则，value如果不在值 {1, 2, ..., 7} 之间，则不会设置df['cluster']，并且会出现异常。

Answer 2

• 手动创建if-else函数被高估了，并且可能会错过某个条件。

• 由于您将字母指定为'cluster_name'，因此请使用string.ascii_uppercase来获取list所有字母中的 a ，并将zip它们分配给中的唯一值'cluster'

  • dict从压缩值创建一个并.map创建'cluster_name'列。

• 此实现使用列中的唯一值来创建映射，因此不会出现"local variable 'value' referenced before assignment".

  • 在您出现错误的情况下，这是因为return value当列中存在不符合您的if-else条件的值时执行，这意味着value未在函数中分配。

import pandas as pd

import string

# test dataframe

df = pd.DataFrame({'cluster': range(1, 11)})

# unique values from the cluster column

clusters = sorted(df.cluster.unique()) 

# create a dict to map

cluster_map = dict(zip(clusters, string.ascii_uppercase))

# create the cluster_name column

df['cluster_name'] = df.cluster.map(cluster_map)

# df

   cluster cluster_name

0        1            A

1        2            B

2        3            C

3        4            D

4        5            E

5        6            F

6        7            G

7        8            H

8        9            I

9       10            J

Answer 3

似乎您的问题已在评论中得到解答，因此我将提出一种更面向熊猫的方法来解决您的问题。使用apply(axis=1)DataFrame 速度非常慢，而且几乎没有必要（与迭代数据帧中的行相同），因此更好的方法是使用矢量化方法。最简单的方法是在字典中定义 cluster -> cluster_name 映射，并使用以下方法map：

df = pd.DataFrame(

    {"cluster": [1,2,3,4,5,6,7]}

)

# repeat this dataframe 10000 times

df = pd.concat([df] * 10000)

应用方法：

def mapping_func(row):

    if row['cluster'] == 1:

        value = 'A'

    elif row['cluster'] == 2:

        value = 'B'    

    elif row['cluster'] == 3:

        value = 'C'

    elif row['cluster'] == 4:

        value = 'D'

    elif row['cluster'] == 5:

        value = 'E'

    elif row['cluster'] == 6:

        value = 'F'

    elif row['cluster'] == 7:

        value = 'G'

    else:

        # This is a "catch-all" in case none of the values in the column are 1-7

        value = "Z"

        

    return value

%timeit df.apply(mapping_func, axis=1)

# 1.32 s ± 91.3 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

.map方法

mapping_dict = {

    1: "A",

    2: "B",

    3: "C",

    4: "D",

    5: "E",

    6: "F",

    7: "G"

}

# the `fillna` is our "catch-all" statement.

#  essentially if `map` encounters a value not in the dictionary

#  it will place a NaN there. So I fill those NaNs with "Z" to

#  be consistent with the above example

%timeit df["cluster"].map(mapping_dict).fillna("Z")

# 4.87 ms ± 195 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

我们可以看到mapwith 字典方法比 while 方法要快得多，apply而且还避免了长if/elif语句链。