从熊猫应用构建DataFrame

Question

我有一个返回纬度和经度信息的函数。我希望在数据框架中为这4个变量创建列。

这是我的代码：

import geocoder
import pandas as pd
import geolib
from geolib import geohash

df = pd.read_csv('New_DP2.csv')

key = [redacted]


fields = ['NWLat', 'NWLong', 'SELat', 'SELong']
def getData(address, key):
    g = geocoder.mapquest(address, key=key)
    lat = g.lat
    lng = g.lng
    h = geolib.geohash.encode(lat, lng, 7)
    hashes = geolib.geohash.neighbours(h)
    NW = geohash.decode(hashes.nw)
    SE = geohash.decode(hashes.ne)
    nwlat = NW.lat
    nwlon = NW.lon
    selat = SE.lat
    selon = SE.lon

我想在一个数据框架中创建四个列，这些列将为'nwlat‘、'nwlon’、'selat‘、'selon’创建列。

通常，我只返回nwlat，然后创建一个lambda。

df['NWLong'] = df.apply(lambda row: getData(row['a'], key), axis = 1)

然后，我将对我想返回的其他3个变量的每一种情况都这样做。但是，我总共运行了4次，而不是仅仅运行一次。

Answer 1

你当时很亲密。您所需要做的就是找出如何适当地返回结果。您的函数需要如下所示：

def getData(address, key):
    ...
    NW = geohash.decode(hashes.nw)
    SE = geohash.decode(hashes.ne)

    return pd.Series(dict(zip(fields, [NW.lat, NW.lon,  SE.lat, SE.lon]))) 

然后您可以使用Series.apply

df = pd.DataFrame({'address': ['Los Angeles, CA']})  # for example
df['address'].apply(getData, key=key)

                 NWLat                 NWLong                SELat                 SELong
0  34.0541839599609375  -118.2451629638671875  34.0541839599609375  -118.2424163818359375

这是通过让getData返回一个Series对象(以fields作为索引)来实现的。然后，apply将自动构造一个DataFrame并返回结果。

附带注意:要将这些列连接到现有的df，请调用pd.concat

res = pd.concat([df, df['address'].apply(getData, key=key)], axis=1)

另一种选择是使用列表理解，如果您的DataFrame中没有NaNs。这是一个性能(和内存)微优化。

def getData2(address, key):
    ...
    NW = geohash.decode(hashes.nw)
    SE = geohash.decode(hashes.ne)

    return [NW.lat, NW.lon,  SE.lat, SE.lon]

pd.DataFrame([getData2(a, key) for a in df['address']], columns=fields)

                 NWLat                 NWLong                SELat                 SELong
0  34.0541839599609375  -118.2451629638671875  34.0541839599609375  -118.2424163818359375

关于列表理解及其好处的更多信息已在我的文章中详细介绍：For loops with pandas - When should I care?。