DataFrame.apply() 错误。"<Series>不是'Series'对象的有效函数"

Question

我从pandas.DataFrame.apply()中得到一个AttributeError。尽管如此，这个函数似乎还能工作，但我想更好地理解apply()，所以我还是把这个问题贴出来......

我有两个数据框，像这样。

a = pd.DataFrame(data = {
    'ID': ['123', '456', '789'],
    'TIME': [1.5, 2, 3]
})

b = pd.DataFrame(data = {
    'ID': ['123', '456', '789'] * 2,
    'TIME_START': [1, 3, 3, 2, 1, 5],
    'TIME_END': [5, 4, 6, 6, 3, 6],
    'CORR_KEY': ['abc', 'def', 'ghi', 'jkl', 'mno', 'pqr']
})

我把它们合并成这样

c = a.merge(b, how = 'inner', on = 'ID')

然后我得到以下结果：

print(c)

    ID  TIME  TIME_START  TIME_END CORR_KEY
0  123   1.5           1         5      abc
1  123   1.5           2         6      jkl
2  456   2.0           3         4      def
3  456   2.0           1         3      mno
4  789   3.0           3         6      ghi
5  789   3.0           5         6      pqr

现在我需要把记录放入 c 哪儿 TIME_START <= 时间 <= 时间_END 是FALSE。这样一来，我就会发现只有那些有相关的 CORR_KEY. (例如，正确的是 CORR_KEY 对于 身份证 123是abc，而不是jkl）。)

我使用下面的函数，并沿着数据帧应用它。

def drop_records(df):
    start_condition = df['TIME_START'] <= df['TIME']
    end_condition = df['TIME'] <= df['TIME_END']

    df.drop(df[~(start_condition) | ~(end_condition)].index, inplace = True)

    return df

c = c.apply(drop_records(c))

结果是：

AttributeError: 'ID' is not a valid function for 'Series'object

然而，检查 c 再次，我得到了预期的输出。

print(c)

    ID  TIME  TIME_START  TIME_END CORR_KEY
0  123   1.5           1         5      abc
3  456   2.0           1         3      mno
4  789   3.0           3         6      ghi

那么，是什么导致了AttributeError？

谢谢！我从pandas.DataFrame.apply()得到一个AttributeError。

Answer 1

当你做 apply 数据框被分成一系列，每列一列，函数被应用于serie。因为 ID 只是第一列。apply 正在尝试执行 drop_records(c) 但给他们送去的是 ID 这将导致 AttributeError.

你不需要 apply 这里的一个函数，只是。

c = drop_records(c)

或者使用布尔掩码:

mask = (c.TIME_START <= c.TIME) & (c.TIME <= c.TIME_END)
c = c[mask]

或者像@Sandeep Kadapa所建议的那样进行查询.

Answer 2

你的解决方案太夸张了。你可以使用 query 以直接获得你的输出。

c = c.query('TIME_START <= TIME <= TIME_END')

print(c)
    ID  TIME  TIME_START  TIME_END CORR_KEY
0  123   1.5           1         5      abc
3  456   2.0           1         3      mno
4  789   3.0           3         6      ghi