在数据的每一行和数字列中使用Humanize.intword函数

Question

我有一个数据集有很大的数字。我想通过在除日期之外的所有列中使用humanize.intword函数来方便阅读。

​

​

当我只选择一个列时，它起作用：

pred_df["Predictions"].apply(lambda x: humanize.intword(x))

当我试图选择其他数字列时，会得到一个错误：

pred_df.apply(lambda行:humanize.intword(行‘预测’，行‘下’，行‘上’)，轴= 1) TypeError:序列项0:预期的str实例，浮起

我也尝试了清单理解，如这篇文章中的https://stackoverflow.com/questions/16476924/how-to-iterate-over-rows-in-a-dataframe-in-pandas，但我可能做错了什么。它适用于一列：

[humanize.intword(x) for x in pred_df["Predictions"]]

当我尝试不同的列时，我会得到一个错误：

[humanize.intword(行1，row11)表示zip中的行(pred_df“预测”，pred_df“下端”)] IndexError:元组索引超出范围

我的dataframe包含12行4列。你能帮我理解一下是什么问题吗？

Answer 1

问题是humanize.intword使用单个值并对其进行转换。但这里的目的是转换许多数字。一种方法是applymap

df.set_index("fiscal_date").applymap(humanize.intword)

我们首先将日期设置为索引，以便在计算中不使用它。如果您愿意，可以将它放回带有reset_index()的列中。

至于你为什么会犯错误：

当我只选择一个列时，它起作用：

因为您选择了一个系列，传递给apply的是该列的单个条目，所以它可以工作。

当我试图选择其他数字列时，会得到一个错误：

因为您将向intword提供3个值，但它只能使用1+ 1，其中首先是要转换的值，另一个是可选格式。(错误消息应该是“此函数需要1到2个参数，但您提供了3"，我相信。)

它适用于一列：

同样，这类似于一列上的第一个apply。

当我尝试不同的列时，我会得到一个错误：

同样，intword可以一次处理一个值。(但错误是因为您将11作为row的索引，其中只有来自这2列的条目的2个元素。)