将条件Lambda应用于系列与数据帧[重复]

Question

我试图用一个基于NA日期的模型在一系列中估算NA值。我不断得到一个当将条件lambda函数应用于转换为数据帧的序列的索引时，但当索引转换为序列时，具有多个元素的数组的真值不明确。对系列和数据帧使用apply有什么区别？

我的最小可复制的例子：

from datetime import datetime
import pandas as pd
import numpy as np

index = [datetime.strptime(i, "%Y-%M-%d") for i in ['2019-12-18', '2019-12-17', '2019-12-16', '2019-12-13','2019-12-12']]
vals =  np.array([ 1.2,  np.nan, 3.26,  np.nan,  5])
a = pd.Series(vals, index = index)
a_ix =a.index.to_frame()

a.apply(lambda i: 1 if i == i else -1) #Works
a_ix.apply(lambda i: a[i] == a[i]) #Works
a_ix.apply(lambda i: a[i] == a[i] if True else False) #Works

a_ix.apply(lambda i: True if (a[i] == a[i]) else False) #Fails
a_ix.apply(lambda i: True if (a[i].values != np.nan) else False) #Fails

#but converting index to series instead of a DataFrame works
a_ix = pd.Series(a.index, index = a.index)
a_ix.apply(lambda i: True if (a[i] == a[i]) else False)

编辑：答案是不。to_frame（）返回序列作为一个单一的列（形状（5,1））。这是一次应用的馈入，而使索引为一个系列（形状（5，））结果在一个行中迭代。以下两种方法都不起作用：

a_ix = a.index.to_frame().T
a_ix.apply(lambda i: True if (a[i] == a[i]) else False, axis=1) #Should make row

a_ix = a.index.to_frame()
a_ix.apply(lambda i: True if (a[i] == a[i]) else False, axis=0) #Should make column




Answer 1

答案是。to_frame（）以单列形式返回序列（形状（5,1））。一次将其输入apply all，同时将索引设为一个系列（shape（5，））将生成一行，该行将被迭代。这不是我期望的工作方式；它默认为axis=0，因此在列上而不是行上迭代。