在下面的示例中,第一个应用有效 . 第二个抛出“TypeError :(”无法根据规则'safe'“将数组数据从dtype('float64')转换为dtype('int64'),”u'occurred at index 0'“
df = pd.DataFrame({'lag':[ 3, 5, 3, 4, 2, 3, 2, 3, 4, 3, 2, 2, 2, 3],
'A':[10,20,30,40,20,30,40,10,20,30,15,60,20,15],
'B':[11,21,31,41,21,31,41,11,21,31,15,61,21,25]})
df['C'] = df.apply(lambda x: df['A'].shift(x['lag'])[x.name], axis=1)
print df
df['D'] = df.apply(lambda x: df['B'].shift(x['lag'])[x.name], axis=1)
print df
请告诉我为什么会发生这种情况以及如何解决它 . 谢谢,
(注意:我没有足够的"points"在Variable shift in Pandas发表评论)
1 回答
这实际上是一个棘手的事情 . 我会尽量简洁 .
当您使用
apply
与axis=1
时,您将逐行迭代 . 对于每一行,pandas将其处理为pd.Series
. 在初始赋值之后,将NaN
值放在df
中 . 当访问该行时,整行被解释为float
work around # 1
确保滞后值为
int
work around # 2
同时做作业
better solution
但是,我会使用
numpy
来帮助解决这个问题那些滞后只是当前位置值减去滞后值
然后