如何在筛选行集上使用apply和lambda函数

Question

在使用pandas的Jupyter笔记本电脑中，我一直遇到一个问题，就是如何将一个函数应用于数据帧的一组过滤行

简而言之，我有一个大的数据帧（这里我缩小了它），我想在其中添加一个额外的列-R_mf-以及使用过滤行（例如深度大于1但小于3）创建的值，并应用一个函数（Rxo_mf9373+（T_aq+6.77）/（df['Temp']+6.77））。我已经定义了所需的变量Rxo_mf9373和T_aq。有人能告诉我代码有什么问题吗

T_aq = 188
Rxo_mf9373 = 0.06
df = pd.DataFrame({'DEPTH':[1,2,3,4,5], 'Temp':[0.5, 0.6, 0.7, 0.8, 0.9]})
df['R_mf'] = df.where((df['DEPTH']>1) & (df['DEPTH'] < 3)).apply(lambda x, T_aq, Rxo_mf9373: Rxo_mf9373 + (T_aq + 6.77) / (x['Temp'] + 6.77), axis = 1)

当我运行此命令时，会得到以下结果： （）缺少2个必需的位置参数：“T_aq”和“Rxo_mf9373”

最后，在上面的例子中，我想要得到一个输出，其中数据帧包含一个额外的列df['R_mf']，并且它只有一个来自第二行lambda函数的计算值，其中depth等于2

提前谢谢

这里是指向所需输出的链接 [1] ：https://i.stack.imgur.com/fQIdU.png

Answer 1

戴维斯， “缺少2个必需的位置参数”错误是因为lambda函数需要3个参数，但只接收一个。由于这些参数是常量，我建议您使用单变量函数以这种方式重写代码：

df = pd.DataFrame({'DEPTH':[1,2,3,4,5], 'Temp':[0.5, 0.6, 0.7, 0.8, 0.9]})
df['R_mf'] = df.loc[(df['DEPTH']>1) & (df['DEPTH'] < 3), 'Temp'].apply(lambda x: Rxo_mf9373 + (T_aq + 6.77) / x + 6.77)

更好的是——摆脱apply：

df.loc[(df['DEPTH']>1) & (df['DEPTH'] < 3), 'R_mf'] = Rxo_mf9373 + (T_aq + 6.77) / df.loc[(df['DEPTH']>1) & (df['DEPTH'] < 3), 'Temp'] + 6.77)