Python pandas：如何将自定义函数应用到DataFrame指定行及NameError解决

题目要求 #

• 计算目标DataFrame中Avg_User_IMDB、Avg_User_Rtn_Tom两个变量的均值，分别存储为mean_1和mean_2
• 编写名为qualify()的函数，入参为单条数据行，评级规则如下：
  • 同时满足两个条件时评级为excellent：行内Bond_Actor取值为Sean Connery或Daniel Craig，且该行Avg_User_IMDB大于mean_1、Avg_User_Rtn_Tom大于mean_2
  • 其余所有情况评级为regular

现有运行代码 #

mean_1 = dfbond['Avg_User_IMDB'].mean()
mean_2 = dfbond['Avg_User_Rtn_Tom'].mean()
print(mean_1)
print(mean_2)

is_SirSeanConery = dfbond['Bond_Actor'] == 'Sir Sean Connery'
is_DanielCraig = dfbond['Bond_Actor'] == 'Daniel Craig'

tam = int(input('How many rows are you gona use: '))
if tam < 1:
    print('¡DOESN´T HELP!')
else:
    row = []
    for i in range(tam):
        print ('Write the rows', str(i + 1) + ": ",end="")
        ol = int(input())
        row.append(ol)
    print('The rows are: ', row)

def qualify(row):
    r = dfbond.iloc[row]
    final = r[['Bond_Actor','Avg_User_IMDB','Avg_User_Rtn_Tom']]
    for i in final:
        if dfbond['Bond_Actor'] == is_SirSeanConery or is_DanielCraig:
            if  dfbond['Avg_User_IMDB'] > mean_1 and dfbond['Avg_User_Rtn_Tom'] > mean_2:
                print('Excellent')
            else:
                print('Regular')
        else:
            print('Regular')
    
print(final)

控制台报错信息 #

NameError                                 Traceback (most recent call last)
<ipython-input-57-a16ac904974e> in <module>
     11             print('Regular')
     12 
---> 13 print(final)

NameError: name 'final' is not defined

问题根因 #

• 直接触发报错的原因：final是定义在qualify()函数内部的局部变量，函数作用域外的print(final)无法访问这个变量，因此抛出未定义错误。
• 即使修复上述报错，代码仍存在多处逻辑偏差，无法满足题目要求：
  • 不符合函数入参规则：题目要求qualify()接收单条数据行作为入参，但当前代码传入的是用户手动输入的行索引，在函数内部重新通过dfbond.iloc[row]取数，和题目要求完全不匹配
  • 演员判断逻辑错误：代码直接调用整列dfbond['Bond_Actor']和提前生成的布尔Series做比较，没有针对当前处理的单条记录的演员值做判断
  • 条件判断写法错误：dfbond['Bond_Actor'] == is_SirSeanConery or is_DanielCraig是对整列布尔值做逻辑运算，无法实现“单条记录的演员为两个选项之一”的判断
  • 冗余输入逻辑：题目没有要求让用户手动输入待处理的行索引，这部分是额外添加的无效代码。

可正常运行的参考实现 #

# 1. 计算两个字段的均值
mean_1 = dfbond['Avg_User_IMDB'].mean()
mean_2 = dfbond['Avg_User_Rtn_Tom'].mean()
print(f"Avg_User_IMDB均值：{mean_1:.2f}，Avg_User_Rtn_Tom均值：{mean_2:.2f}")

# 2. 定义符合题目要求的qualify函数
def qualify(single_row):
    # 从传入的单条数据行中提取需要判断的字段值
    actor = single_row['Bond_Actor']
    imdb_val = single_row['Avg_User_IMDB']
    tomato_val = single_row['Avg_User_Rtn_Tom']
    # 按规则判断评级
    # 注：如果数据中Sean Connery的存储值为带头衔的"Sir Sean Connery"，替换列表中对应值即可
    if (actor in ['Sean Connery', 'Daniel Craig']) and (imdb_val > mean_1) and (tomato_val > mean_2):
        return 'excellent'
    else:
        return 'regular'

# 测试：对DataFrame所有行应用评级函数，新增评级列
dfbond['movie_rating'] = dfbond.apply(qualify, axis=1)
# 输出处理结果
print(dfbond[['Film', 'Bond_Actor', 'Avg_User_IMDB', 'Avg_User_Rtn_Tom', 'movie_rating']])

内容的提问来源于stack exchange，提问作者José Luis Berrospe