Skip to main content
 首页 » 编程设计

python之没有传递参数的 Lambda 函数

2024年11月01日7webabcd

我有一个示例数据框,其中列“一”和“二”由一些随机整数组成。我试图更深入地理解一些带有 lambda 函数的代码,并且感到困惑的是,这些代码似乎在没有提供要传递给 lambda 函数的参数的情况下神奇地工作。

最初,我使用 pandas assign() 方法创建一个新列“newcol”,并将 df 传递给显式 lambda 函数 func(df)。该函数返回 df 的“一”列的日志:

df=df.assign(newcol=func(df)) 

到目前为止一切顺利。

然而,令我困惑的是,代码在不通过 df 的情况下也能正常工作。

df=df.assign(newcol2=func) 

即使我不将 (df) 传递给 lambda 函数,它也会正确执行操作。解释器如何知道 df 被传递给 lambda 函数?

下面的示例代码和输出:

import pandas as pd 
import numpy as np 
 
df = pd.DataFrame(np.random.randint(1,10,size=16).reshape(8,2),columns=["one","two"]) 
func=lambda x: np.log(x.one) 
df=df.assign(newcol=func(df)) 
print(df) 
 
#This one works too, but why? 
df=df.assign(newcol2=func) 
print(df) 
Output: 
   one  two    newcol   newcol2 
0    1    8  0.000000  0.000000 
1    6    7  1.791759  1.791759 
2    2    6  0.693147  0.693147 
3    2    8  0.693147  0.693147 
4    4    2  1.386294  1.386294 
5    9    3  2.197225  2.197225 
6    2    2  0.693147  0.693147 
7    4    7  1.386294  1.386294 

(请注意,我本可以使用 lambda 函数内联赋值,但为了清楚起见,在这里明确说明。)

请您参考如下方法:

如果您使用 pd.DataFrame.assign() 并传递一个 callable,它假定第一个参数实际上是数据帧本身。

例如,如果您将代码更改为以下内容:

import pandas as pd 
import numpy as np 
 
df = pd.DataFrame(np.random.randint(1,10,size=16).reshape(8,2),columns=["one","two"]) 
func=lambda c, x: np.log(x.one + c) 
df=df.assign(newcol=func(1, df)) 
print(df) 
 
#This one will no longer work! 
df=df.assign(newcol2=func) 
print(df) 

最后一次调用 assign() 将不起作用。

这在 official documentation 中有解释. df.assign(newcol=func(1, df)) 行使用不可调用 路径,而 df.assign(newcol=func) 使用可调用 路径。