Как добавить аргументы в функцию, вызываемую в группе panda?

Я пытаюсь создать функцию, которая принимает несколько аргументов, но, похоже, она не работает. Текущий код:

def atomic(x):
    if np.in1d(x['concept:name'], 'W_Completeren aanvraag').sum() > 3:
        x['result'] = True
    else:
        x['result'] = False
    return x

df.groupby(['case:concept:name']).apply(atomic)

Этот код добавляет столбец «результат» в df со значением True или False, в зависимости от результата оператора if.

Я хочу, чтобы переменные, видимые в операторе if, т. е. «x ['concept: name»]» и «W_Completeren aanvraag», были аргументом. Таким образом, решение будет примерно таким:

def atomic(x, key, check):
    if np.in1d(x[key], check).sum() > 3:
        x['result'] = True
    else:
        x['result'] = False
    return x

df.groupby(['case:concept:name']).apply(atomic('concept:name', 'W_Completeren aanvraag'))

Тем не менее, переменная x не вызывается, когда я пишу ее таким образом, но я не могу понять, почему она вообще работает, не присваивая аргументу «x» значение в первую очередь. Выдает ошибку TypeError: atomic() missing 1 required positional argument: 'x'

У кого-нибудь есть идея?

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
0
59
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Метод pandas.DataFrame.apply может получать аргументы для вашей функции:

df.groupby(['case:concept:name']).apply(atomic, 'concept:name', 'W_Completeren aanvraag')

именно то, что мне нужно. Большое спасибо!

EYSH 24.12.2020 17:01

Другие вопросы по теме