如何应用pandas.map（），其中该函数采用超过1个参数

Question

支持我有一个包含概率列的数据框架。现在，我创建一个映射函数，如果概率大于阈值值，则返回1，否则返回0。现在，我想通过将其作为参数作为该函数来指定阈值，然后在Pandas DataFrame上映射。

获取以下代码示例：

def partition(x,threshold):
    if x<threshold:
        return 0
    else:
        return 1

df = pd.DataFrame({'probability':[0.2,0.8,0.4,0.95]})
df2 = df.map(partition)

我的问题是，最后一行将如何工作，即我如何通过地图功能内的阈值？

Answer 1

我们可以使用

Dataframe.applymap

df2 = df.applymap(lambda x: partition(x, threshold=0.5)) 或只有一列：

df['probability']=df['probability'].apply(lambda x: partition(x, threshold=0.5)) 但这不是必需的。您可以做：

df2 = df.ge(threshold).astype(int) 我建议您看到

it

Answer 2

lambda

用于此目的：

def partition(x,threshold):
    if x<threshold:
        return 0
    else:
        return 1

df=pd.DataFrame({'probability':[0.2,0.8,0.4,0.95]})
df['probability']=df['probability'].map(lambda x: partition(x, threshold=0.5))

Answer 3

从PANDAS 2.1，您可以在数据框架上的功能。自定义函数的任何额外参数都可以作为关键字参数传递。例如，要将函数映射到使用

map

中的每个值，您可以按照以下方式进行操作：

partition

pandas

如果有额外的论点，最好使用

df

：

threshold=0.5或用

def partition(x, threshold):
    if x<threshold:
        return 0
    else:
        return 1

df['new'] = df['probability'].map(partition, threshold=0.5)

<2.1

包装函数并映射此新功能：

apply()

您可以将额外的论据作为尊严传递给

df['new'] = df['probability'].apply(partition, threshold=0.5)

：

：

functools.partial

说，请尽可能使用矢量化代码。例如，在OP中，

from functools import partial
df['new'] = df['probability'].map(partial(partition, threshold=0.5))

# a bit more legibly
partition_05 = partial(partition, threshold=0.5)
df['new'] = df['probability'].map(partition_05)

提供所需的列。

---