我有一个数据框架,其中有不同事物分布的平均值和标准差列(以及与问题无关的其他列)。我需要应用一个函数将这些数字转换为μ和西格玛,以传递到对数正态分布中(这个函数的作用与我的问题无关,所以我简化了它)。示例数据帧和函数如下:
df = pd.DataFrame({'mean': [3, 11, 9, 19, 22],
'std': [10, 17, 10, 25, 30]})
def log_normal_transform(mean_std):
mu = mean_std[0]
sigma = mean_std[1]
return mu*2, sigma*2
我想应用这个函数来转换数据帧中的mean和std列。我以前是这样申请的:
df[['mean', 'std']].apply(log_normal_transform, axis=1)
其返回具有变换后的数字的一系列元组:
0
0 (6, 20)
1 (22, 34)
2 (18, 20)
3 (38, 50)
4 (44, 60)
现在,当我尝试将其分配回原始列时,如下所示:
df[['mean', 'std']] = df[['mean', 'std']].apply(log_normal_transform, axis=1)
我得到一个错误,列的长度与键的长度不相同(我理解)。我发现
this question
关于如何将一系列元组分配给多列,大多数答案都建议将该系列转换为列表,所以我尝试了这样做:
df[['mean', 'std']] = df[['mean', 'std']].apply(log_normal_transform, axis=1).values.tolist()
这确实有效,但我收到了未来的警告:
<string>:2: FutureWarning: Series.__getitem__ treating keys as positions is deprecated. In a future version, integer keys will always be treated as labels (consistent with DataFrame behavior). To access a value by position, use `ser.iloc[pos]`
我如何在不出现未来警告的情况下做到这一点,以便我的代码在未来版本中仍然有效?
