已解决pandas.apply函数使用方法

已解决（pandas apply函数使用报错）AttributeError: ‘str‘ object has no attribute ‘apply‘

---

---

报错代码

粉丝群一个小伙伴想使用pandas apply函数使用，但是发生了报错（当时他心里瞬间凉了一大截，跑来找我求助，然后顺利帮助他解决了，顺便记录一下希望可以帮助到更多遇到这个bug不会解决的小伙伴），报错代码如下：

报错信息如下所示：

AttributeError: 'str' object has no attribute 'apply'

报错翻译

报错信息翻译如下：

属性错误:“str”对象没有属性“apply”

报错原因

apply函数时pandas的一个函数，必须是DataFrame对象才能调用，字符串中并没有这个函数。

apply(func [, args [, kwargs ]]) 函数用于当函数参数已经存在于一个元组或字典中时，间接地调用函数。args是一个包含将要提供给函数的按位置传递的参数的元组。如果省略了args，任何参数都不会被传递，kwargs是一个包含关键字参数的字典。

apply()的返回值就是func()的返回值，apply()的元素参数是有序的，元素的顺序必须和func()形式参数的顺序一致

小伙伴按下面的方法正确使用apply函数即可！！！

解决方法

apply函数的正确使用：

apply()可以对DataFrame按行和列（默认按列）进行函数处理，也支持Series。如果是Series，将逐个传入具体值。使用lambda时，变量是调用对象低一维的值。

语法格式：

DataFrame.apply(func: AggFuncType,axis: Axis = 0,raw: bool = False,result_type=None,args=(),**kwargs,)

参数说明：

• func：自己编写要应用于Series/DataFrame的函数，*args, **kwargs被传递到“func”中

• Axis ：应用功能的轴，0 将函数应用于每列，1将函数应用于每一行，默认为0。

• raw：bool，默认为False。确定行或列是否作为Series或ndarray对象传递：

  • False：将每行或每列作为序列传递给作用

  • True：传递的函数将接收ndarray对象

  • 相反，如果您只是应用NumPy缩减函数，这将实现更好的性能。

• result_type：‘expand’，‘reduce’，‘broadcast’，None｝，默认为None。这些仅在“轴=1”（列）时起作用：

  • expand：类似列表的结果将变成列。

  • reduce：如果可能，返回一个序列，而不是展开列表式结果。这与“展开”相反。

  • broadcast：结果将广播到原始形状在DataFrame中，原始索引和列将是保留。

  • 默认行为（None）取决于应用的函数：类似列表的结果将作为序列返回其中之一。但是，如果apply函数返回Series展开为列。

• args：迭代的参数，可选，可以是元组类型，也可以是列表类型或者其他。

• kwargs：映射的参数，可选，是一个包含关键字的字典。

可以与lambda结合使用：

import numpy as np
import pandas as pd

data = {'A': pd.Series(1, index=list(range(4)), dtype='float32'),
        'B': pd.Series(2, index=list(range(4)), dtype='float32'),
        'C': pd.Series(3, index=list(range(4)), dtype='float32')
        }
df = pd.DataFrame(data)

print("应用前：")
print(df)

print("对列进行求和：")
print(df.apply(lambda x: x.sum(), axis=0))
print("对行进行求和：")
print(df.apply(lambda x: x.sum(), axis=1))

运行结果：

帮忙解决

本文已收录于：《告别Bug专栏》，欢迎免费订阅

本专栏用于记录学习和工作中遇到的各种疑难编程Bug问题，以及粉丝群里小伙伴提出的各种问题，文章形式：报错代码 + 报错翻译 + 报错原因 + 解决方法，包括程序安装、运行程序过程中遇到的等等问题，博主心愿：让天下没有难学的编程，从此告别Bug！订阅专栏+关注博主后，私聊进全栈学习交流群帮忙可以帮忙解决问题，和小伙伴们交流学习，共同进步！！！