将 lambda 函数转换为常规函数 PYTHON df["domain_count"] = df.apply(lambda row : df['domain'].value_counts()[row['domain']], axis = 1)

Question

我有当前的 lambda 函数：

df["domain_count"] = df.apply(lambda row : df['domain'].value_counts()[row['domain']], axis = 1)

但我想将其转换为这样的常规函数

def get_domain_count()

我该怎么做？我不确定它会接受哪些参数，因为我想将其应用于数据框中的整个列？

domain

列将包含重复项，我想知道某个域在我的数据框中出现了多少次。

ex start df:

|domain|
---
|target.com|
|macys.com|
|target.com|
|walmart.com|
|walmart.com|
|target.com|

ex end df:
|domain|count|
---|---|
|target.com|3
|macys.com|1
|target.com|3
|walmart.com|2
|walmart.com|2
|target.com|3

请帮忙！预先感谢！

Answer 1

您可以将列名称作为字符串传递，并传递要改变的数据框对象：

def countify(frame, col_name):
    frame[f"{col_name}_count"] = frame.apply(lambda row: df[col_name]...)

但更好的是，您不需要申请！

df["domain"].map(df["domain"].value_counts())

将首先获取每个唯一值的计数，并将列中的每个值与其映射。所以这个函数可以变成：

def countify(frame, col_name):
    frame[f"{col_name}_count"] = frame[col_name].map(frame[col_name].value_counts())

Answer 2

lambda 只是一个匿名函数，通常很容易使用 lambda 自己的参数列表（在本例中为

row

）将其放入函数中并返回其表达式。这个问题的挑战是

df

参数，它在模块级函数中的解析方式与 lambda 中的解析方式不同。因此，将其作为参数添加到函数中。问题是这不会是：

def get_domain_count(df, row): 
    return df['domain'].value_counts()[row['domain']]

如果您仍想在

.apply

操作中使用此函数，这可能会出现问题。

.apply

不知道要在前面添加那个

df

参数。为了解决这个问题，您可以创建一个部分：

import functools.partial

def do_stuff(some_df):
    some_df.apply(functools.partial(get_domain_count, some_df))