提问人：Tom S 提问时间：4/29/2021 更新时间：4/29/2021 访问量：218
使用包括 dict 查找在内的函数计算的 pandas 列，“Series”对象是可变的，因此无法对其进行哈希处理
pandas column calculated using function including dict lookup, 'Series' objects are mutable, thus they cannot be hashed
问：
我知道有很多与我类似的问题，但是在过去的 30 分钟内，我浏览了数十个线程，无法找到问题的答案。
我有一个包含百分百列和行的数据帧，并使用函数中的大多数列来返回应该添加到其他列的值。
该问题可以分解为以下几点。
lookup = {"foo": 1, "bar": 0}
def lookuptable(input_string, input_factor):
return lookup[input_string] * input_factor
mydata = pd.DataFrame([["foo", 4], ["bar",3]], columns = ["string","faktor"])
mydata["looked up value"] = lookuptable(mydata["string"], mydata["faktor"])
但这又回来了：
TypeError: 'Series' objects are mutable, thus they cannot be hashed
有没有办法在不重组函数本身的情况下避免这个问题？
提前致谢！
答：
1赞
Andreas
4/29/2021
#1
函数接受 2 个参数：一个字符串和一个整数。
但是您为函数提供了 2 个 pandas 系列。但是，您可以循环访问数据帧，并使用 为函数提供参数（按行）。.apply()
mydata["looked up value"] = mydata\
.apply(lambda row: lookuptable(row["string"], row["faktor"]), axis=1)
评论
1赞
Tom S
4/29/2021
这似乎有效，但我没有很多其他错误，所以一旦我的代码没有错误，我就会接受你的答案。
2赞
Hamza usman ghani
4/29/2021
#2
试试这个：
lookup = {"foo": 1, "bar": 0}
def lookuptable(data):
return lookup[data["string"]] * data["faktor"]
mydata = pd.DataFrame([["foo", 4], ["bar",3]], columns = ["string","faktor"])
mydata["looked up value"] = mydata.apply(lookuptable, axis=1)
print(mydata)
string faktor looked up value
0 foo 4 4
1 bar 3 0
评论
0赞
Tom S
4/29/2021
谢谢。这似乎与安德烈亚斯的提议非常相似。
2赞
Gusti Adli
4/29/2021
#3
除了使用 ，您还可以将列表推导与.apply().iterrows()
mydata["looked up value"] = [lookuptable(row[1]["string"], row[1]["faktor"]) for row in mydata.iterrows()]
1赞
Nk03
4/29/2021
#4
您可以在没有功能的情况下执行此操作 -
import pandas as pd
lookup = {"foo": 1, "bar": 0}
mydata = pd.DataFrame([["foo", 4], ["bar",3]], columns = ["string","factor"])
mydata["looked up value"] = mydata['string'].map(lookup) * mydata['factor']
评论
0赞
Tom S
4/29/2021
我知道。但如上所述。原始函数包含 100 多个值，并在整个程序中的许多不同位置使用
0赞
Nk03
4/29/2021
因此，将函数调用替换为无处不在的赋值。我不确定，但这可能比申请更快。
评论