Python Pandas'apply'returns系列;不能轉換爲數據幀

好吧，我在半智機的末端。我使用geopy對數據框進行地理編碼。我寫了一個簡單的函數來輸入國家名稱 - 並返回經度和緯度。我使用apply來運行該函數，並返回一個Pandas系列對象。我似乎無法將其轉換爲數據框。我敢肯定，我錯過了一些明顯的東西，但我對Python很陌生，仍然RTFMing。順便說一句，地理編碼器功能很好。Python Pandas'apply'returns系列;不能轉換爲數據幀

# Import libraries 
import os 
import pandas as pd 
import numpy as np 
from geopy.geocoders import Nominatim 

def locate(x): 
    geolocator = Nominatim() 
    # print(x) # debug 
    try: 
     #Get geocode 
     location = geolocator.geocode(x, timeout=8, exactly_one=True) 
     lat = location.latitude 
     lon = location.longitude 
    except: 
     #didn't work for some reason that I really don't care about 
     lat = np.nan 
     lon = np.nan 
    # print(lat,lon) #debug 
    return lat, lon # Note: also tried return { 'LAT': lat, 'LON': lon } 

df_geo_in = df_addr.drop_duplicates(['COUNTRY']).reset_index() #works perfectly 
df_geo_in['LAT'], df_geo_in['LON'] = df_geo_in.applymap(locate) 
# error: returns more than 2 values - default index + column with results

我也試過

df_geo_in['LAT','LON'] = df_geo_in.applymap(locate)

我得到一個數據幀，沒有指標，並在它的系列單colume。

我已經嘗試了許多其它方法，包括「applymap」：

source_cols = ['LAT','LON'] 
new_cols = [str(x) for x in source_cols] 

df_geo_in = df_addr.drop_duplicates(['COUNTRY']).set_index(['COUNTRY']) 
df_geo_in[new_cols] = df_geo_in.applymap(locate)

其中長的時間後返回錯誤：

ValueError: Columns must be same length as key

我也嘗試手動轉換使用df.from_dict(df_geo_in)方法將數據序列轉換爲數據幀，但沒有成功。

目標是對166個獨特國家進行地理編碼，然後將其加入df_addr中的188K地址。我試圖在我的代碼中擔任pandas-y，如果可能的話不要寫循環。但我還沒有找到將系列轉換爲數據框的魔力，這是我第一次嘗試使用apply。

在此先感謝 - 古老的C程序員

來源

2015-03-31 Harvey

什麼類型（df_geo_in）在不同點說？它是一個數據幀嗎？或一系列？無論如何，你可能想要df_geo_in.fromdict（）？ df沒有意義，除非你定義了它..你可能需要pd.DataFrame（df_geo_in） – dartdog 2015-03-31 02:46:58

我假設df_geo是單列一個DF所以我相信下面應該工作：

變化：

return lat, lon

到

return pd.Series([lat, lon])

然後你應該可以這樣分配：

df_geo_in[['LAT', 'LON']] = df_geo_in.apply(locate)

什麼你試圖做的是分配applymap到2個新列的結果，這是不正確這裏applymap被設計爲在DF每一個元素上工作，所以除非LHS具有相同的預期形狀。這不會給期望的結果。

你的後一種方法也是不正確的，因爲你刪除重複的國家，然後期望這個分配每個國家的地理位置，但形狀是不同的。

它可能會比較快是大DF的創建地理位置不重複的DF的然後合併這回你更大的自由度，像這樣：

geo_lookup = df_addr.drop_duplicates(['COUNTRY']) 
geo_lookup[['LAT','LNG']] = geo_lookup['COUNTRY'].apply(locate) 
df_geo_in.merge(geo_lookup, left_on='COUNTRY', right_on='COUNTRY', how='left')

這將創建非複製國家地理位置的DF地址，然後我們執行左歸併回到主df。

來源

2015-03-31 07:38:33 EdChum

謝謝！這解決了它！現在我只需要更好地理解爲什麼。 – Harvey 2015-03-31 15:32:14

總是更容易一些樣本數據來檢驗，但請嘗試以下壓縮功能，看它是否工作。

df_geo_in['LAT_LON'] = df_geo_in.applymap(locate) 
df_geo_in['LAT'], df_geo_in['LON'] = zip(*df_geo_in.LAT_LON)

來源

2015-03-31 03:20:27 Alexander

Python Pandas'apply'returns系列;不能轉換爲數據幀

回答

相關問題