返回值为alist时使用pandas赋值函数时出错

Question

我想知道为什么熊猫赋值函数不能处理返回的列表。

例如

df = pd.DataFrame({
    "id" : [1,2,3,4,5], 
    "val" : [10,20,30,30,40]
})


def squareMe(x):
    return x**2

df = df.assign(val2 = lambda x: squareMe(x.val))

# Out > Works fine : Returns a DataFrame with squared values

但如果我们返回一个列表，

def squareMe(x):
    return [x**2]

df = df.assign(val2 = lambda x: squareMe(x.val))

#Out > ValueError: Length of values (1) does not match length of index (5)

但是，pandas应用函数在返回列表时工作得很好

def squareMe(x):
    return [x**2]
df["val2"] = df.val.apply(lambda x: squareMe(x))

有没有什么特别的原因是我做错了什么？

Answer 1

由于您在对squareMe的调用中引用了x.val，因此将向该函数传递一个列表(您可以通过在函数内添加一个debug语句以打印type(x)来轻松地验证这一点)。

因此，x ** 2返回一个序列(因为表达式是矢量化的)，赋值工作正常。

但是当您返回[x ** 2]时，您返回的是列表中的级数，这是没有意义的，因为它看到的是一个大小为"1“的迭代器(其中的级数)，并且它认为这是对大小为5的DataFrame执行列赋值的错误长度(这正是ValueError: Length of values (1) does not match length of index (5)的意思)。

与apply的不同之处在于，该函数接收一个数字，而不是一个序列。因此，您仍然返回apply接受的单个项(列表)，但在技术上仍然是错误的，因为您不需要将结果包装在列表中。

更多信息：df.assign，df.apply

附言:您可能已经理解了这一点，但您可以将其简化为df['val'] = df['x'] ** 2

Answer 2

assign并不是专门用来做这件事的，它是用来将已经返回的序列指定为参数的。

Docs

**参数：kwargs : dict of {str: callable or Series}

列名是关键字。如果这些值是可调用的，则在DataFrame上计算它们并将其分配给新列。callable不能改变输入DataFrame (尽管pandas不会检查它)。如果值是不可调用的(例如，序列、标量或数组)，则简单地对它们进行赋值。

执行[x ** 2]将返回一系列列表，这些列表将被视为矩阵(或数据帧)，因此错误提示如下：

ValueError:值的长度(%1)与索引的长度(%5)不匹配

值的长度与索引不匹配。