代码之家 › 专栏 › 技术社区 › thagomizer

为什么在此函数中串联由DataFrame列的名称生成的字符串项列表失败?

f-string list-comprehension function pandas

thagomizer · 技术社区 · 1 年前

在函数内部与外部执行列表串联时,我遇到了一个无法解释的问题。具体来说,我尝试在函数内部和函数外部连接DataFrame列名的列表。外表看起来很好,但内心却出现了错误。请参阅下面的示例。

实例 :假设我想编写一个函数,返回一列的多个滞后,并根据原始列名为滞后变量指定新名称。我可以这样做:

import pandas as pd
import numpy as np
rng = np.random.default_rng(22222222)

df = pd.DataFrame({'X':rng.random(10)})

print(df)

          X
0  0.279384
1  0.838032
2  0.298536
3  0.056188
4  0.532023
5  0.560038
6  0.127512
7  0.322774
8  0.813949
9  0.245242

制作函数:

def lagger(column, lags): #Takes as input a DataFrame column in the form df[colname]
    lags = [column.shift(i) for i in range(1, lags+1)]

    df = pd.concat(lags, axis=1) #a DataFrame with a column for each lag.

    names = [f"{column.name}_L{i}" for i in range(1,lags+1)] #generate new names

    df.rename(names, axis='columns', inplace=True)

    return df

在测试函数时,我得到了以下错误:

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In[27], line 1
----> 1 lagger(df['X'], 3)

Cell In[25], line 6
      2 lags = [column.shift(i) for i in range(1, lags+1)]
      4 df = pd.concat(lags, axis=1) #a DataFrame with a column for each lag.
----> 6 names = [f"{column.name}_L{i}" for i in range(1,lags+1)] #generate new names
      8 df.rename(names, axis='columns', inplace=True)
     10 return df

TypeError: can only concatenate list (not "int") to list

列表理解出现了问题。让我们试着在函数之外进行类似的理解:

[f"{df['X'].name}_L{i}" for i in range(1,4)]


['X_L1', 'X_L2', 'X_L3']

工作得很好!

这是怎么回事?为什么这在函数外部有效,而在函数内部无效?

需要明确的是,我已经发现 this answer 这澄清了如何产生多个滞后。我不是在问这个。我在问做和做有什么区别 [f"{column.name}_L{i}" for i in range(1,lags+1)] 函数内部与 [f"{df['X'].name}_L{i}" for i in range(1,4)] 功能之外?为什么它在函数内部失败?

1 回复 | 直到 1 年前

mozway 1 年前

您覆盖了您的参数 lags 在你的功能中有一个列表。因此 range(1, lags+1) 已经不起作用了。请使用其他名称。此外,您使用 rename 是不正确的,您应该使用 set_axis :

def lagger(column, lags): #Takes as input a DataFrame column in the form df[colname]
    l = [column.shift(i) for i in range(1, lags+1)]
    df = pd.concat(l, axis=1) #a DataFrame with a column for each lag.
    names = [f"{column.name}_L{i}" for i in range(1, lags+1)] #generate new names
    return df.set_axis(names, axis='columns')

lagger(df['X'], 3)

推荐文章