如何在Pandas函数中使用np.Vectorize()？

Question

我有一个以Pandas DataFrame格式操作的函数。它适用于pandas.apply()，但不适用于np.Vectorize()。请查找以下功能：

def AMTTL(inputData, amortization = []):
    rate = inputData['EIR']
    payment = inputData['INSTALMENT']
    amount = inputData['OUTSTANDING']
    amortization = [amount]
    if amount - payment <= 0:
        return amortization
    else:
        while amount > 0:
            amount = BALTL(rate, payment, amount)
            if amount <= 0:
                continue
            amortization.append(amount)
    return amortization

该函数以Pandas DataFrame格式接收DataFrame。EIR、INSTALMENT和OUTSTANDING是列名。此函数与pandas.apply()很好地工作。

data.apply(AMTTL, axis = 1)

然而，我尝试使用np.Vectorize()。它不适用于下面的代码：

vfunc = np.vectorize(AMTTL)
vfunc(data)

它的错误就像'Timestamp' object is not subscriptable一样。因此，我尝试删除其他未使用的列，但它仍然得到了另一个错误，如invalid index to scalar variable.。

我不知道如何将pandas.apply()调整为np.Vectorize()。有什么建议吗？提前谢谢你。

Answer 1

np.vectorize只不过是一个应用于数组中所有元素的map函数--这意味着您无法区分函数中的列。它不知道像EIR或INSTALMENT这样的列名。因此，您当前对numpy的实现将无法工作。

来自文档

矢量化函数在输入数组的连续元组(如python映射函数)上计算pyfunc，但它使用numpy的广播规则。 矢量化函数的提供主要是为了方便，而不是为了性能。实现本质上是一个for循环。

基于您的问题，您应该尝试使用 np.apply_along_axis ，在这里您可以引用不同的列及其索引.