我有一個 df，你可以通過運行以下代碼來獲得它：
import pandas as pd
from io import StringIO
from functools import lru_cache
df = """
contract EndDate
A00118 123456
A00118 12345
"""
df = pd.read_csv(StringIO(df.strip()), sep='\s ')
輸出是：
contract EndDate
0 A00118 123456
1 A00118 12345
然后我對每一行應用一個邏輯：
def var_func(row,n):
res=row['EndDate']*100*n
return res
df['annfact'] = df.apply(lambda row: var_func(row,10), axis=1)
輸出是：
contract EndDate annfact
0 A00118 123456 123456000
1 A00118 12345 12345000
但是，如果我在此函式上應用 python lru_cache：
@lru_cache(maxsize = None)
def var_func(row,n):
res=row['EndDate']*100*n
return res
df['annfact'] = df.apply(lambda row: var_func(row,10), axis=1)
錯誤：
TypeError: ("'Series' objects are mutable, thus they cannot be hashed", 'occurred at index 0')
有朋友可以幫忙嗎？我想將 python lru_cache 應用于 pd.apply 函式。由于某種原因，我必須只使用 pd.apply 函式，而不是矢量化 numpy 方法。
uj5u.com熱心網友回復：
從檔案：
由于字典用于快取結果，因此函式的位置和關鍵字引數必須是可散列的。
使用df.apply(..., axis=1)，您正在傳遞一個不可散列的行（這是一個 Series 物件），因此您會收到錯誤訊息。
解決此問題的一種方法是var_func在列上應用：
@lru_cache(maxsize = None)
def var_func(row, n):
return row*100*n
df['annfact'] = df['EndDate'].apply(var_func, n=10)
對于您的具體示例，最好使用矢量化操作：
df['annfact'] = df['EndDate']*100*n
我們還可以將每一行轉換為可散列的東西。由于您想繼續參考列名，我們可以使用collections.namedtuple：
@lru_cache(maxsize = None)
def var_func(row, n):
res=row.EndDate*100*n
return res
from collections import namedtuple
df_as_ntup = namedtuple('df_as_ntup', df.columns)
df['annfact'] = df.apply(lambda row: var_func(df_as_ntup(*row), 10), axis=1)
輸出：
contract EndDate annfact
0 A00118 123456 123456000
1 A00118 12345 12345000
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/454626.html
標籤：Python python-3.x 熊猫 数据框 麻木的