将列值传递给Pandas中的lambda函数

Question

我正在尝试使用行中的其他值为较低置信区间创建一个新列。我已经（作为pypi上的包public-health-cis）编写（并发布）置信区间计算。这些函数采用浮点值并返回一个浮点数。

在我的分析脚本中，我试图从熊猫数据框中调用这个函数。我尝试了几种方法来试图实现这一目标，但都无济于事。

df_for_ci_calcs = df[['Value', 'Count', 'Denominator']].copy() 
    df_for_ci_calcs = df_for_ci_calcs.applymap(lambda x: -1 if x == '*' else x) 
    df_for_ci_calcs = df_for_ci_calcs.astype(np.float) 
    df['LowerCI'].apply(lambda x: public_health_cis.wilson_lower(df_for_ci_calcs['Value'].astype(float), 
             df_for_ci_calcs['Count'].astype(float), 
             df_for_ci_calcs['Denominator'].astype(float), indicator.rate)) 

这种回溯回来：

Internal Server Error:/

df['LowerCI'].apply(lambda x: public_health_cis.wilson_lower(df_for_ci_calcs['Value'].astype(float), df_for_ci_calcs['Count'].astype(float), df_for_ci_calcs['Denominator'].astype(float), indica 
tor.rate)) 

TypeError: cannot convert the series to <class 'float'> 

我一直在使用也尝试：

df['LowerCI'] = df_for_ci_calcs.applymap(lambda x: public_health_cis.wilson_lower(df_for_ci_calcs['Value'], df_for_ci_calcs['Count'], 
                 df_for_ci_calcs['Denominator'], indicator.rate), axis=1) 

它提供了错误：

applymap() got an unexpected keyword argument 'axis'

当我将轴kwarg取出时，我得到与第一种方法相同的错误。那么，如何将每行的值传递给函数以获取基于这些行中数据的值？

Answer 1

我认为你需要apply与axis=1由行的过程，所以获得输入作为float S：

df['LowerCI'] = df[['Value', 'Count', 'Denominator']] 
       .replace('*', -1) 
       .astype(float) 
       .apply(lambda x: public_health_cis.wilson_lower(x['Value'], 
                   x['Count'], 
                   x['Denominator'], 
                   indicator.rate), 
                   axis=1) 

样品（为简化我改变indicator.rate标量100）：

df = pd.DataFrame({'Value':['*',2,3], 
        'Count':[4,5,6], 
        'Denominator':[7,8,'*'], 
        'D':[1,3,5], 
        'E':[5,3,6], 
        'F':[7,4,3]}) 

print (df) 
    Count D Denominator E F Value 
0  4 1   7 5 7  * 
1  5 3   8 3 4  2 
2  6 5   * 6 3  3 

df['LowerCI'] = df[['Value', 'Count', 'Denominator']] \ 
       .replace('*', -1) \ 
       .astype(float) \ 
       .apply(lambda x: public_health_cis.wilson_lower(x['Value'], 
                   x['Count'], 
                   x['Denominator'], 
                   100), axis=1) 

print (df) 
    Count D Denominator E F Value LowerCI 
0  4 1   7 5 7  * 14.185885 
1  5 3   8 3 4  2 18.376210 
2  6 5   * 6 3  3 99.144602