pandas中apply函数的坑——错误信息Must provide ‘func‘ or tuples of ‘(column, aggfunc)的解决办法

      近期需要获取某网站上的文章标题，并对文章来源以及不同来源的文章数量进行分析。已通过爬虫完成对文章标题、日期和文章链接的爬取，并存入pandas中的dataframe中，准备进行下一步的分析。

      该网站一般情况下，文章标题前两个字是信息来源地区，也有少数不规范的，但信息来源地区一定会在标题中出现。想到的办法就是写一个add_city函数，判断标题前两个字是否是地区名称，如果是就用前两个字作为dataframe中的新建列”地区“中的数据，如果不是，就在城市列表中查找对应哪个城市（仅涉及特定的十几个城市），找到城市地区名称，用该数据作为”城市“列的数据。

def add_city(df):city = str(df["标题"])[0:1]if city in citylist:return cityelse:for i in citylist:if i in str(df["标题"]):return ireturn None

   apply函数是pandas中最强大的函数，首先想到的是用apply函数和add_city函数配合完成这个任务。

df["城市"] = df.apply(add_city,axis=1)

    然而程序却无法正常运行，显示错误：TypeError: Must provide 'func' or tuples of '(column, aggfunc).

       后来才知道，是自己的用法不对。将原有的程序代码更改为下面的，程序运行正常了。因为生成”城市“列的数据，只用到dataframe中的一列：“标题"，应标明直接只需对df["标题"]进行处理，没必要用df。由于只有一列，无需考虑太多参数了，每行只需处理传递到函数中的一个数据参数。

def add_city(s):city = str(s[0:1])if city in citylist:return cityelse:for i in citylist:if i in s:return ireturn None

​df["城市"] = df["标题"].apply(add_city)

有意思的是，在定义add_city函数时有参数s，在通过apply使用函数时，不需要在add_city后面指定参数，也许是apply的意思就是把apply前面的对象作为参数，直接应用在后面的函数中去吧。

对照官方的说明，再看看自己的程序，感觉：

1、Dataframe不一定非要是全部的，把需要处理的列单独列出，代码会更简洁

2、self对应着前面的DataFrame，也就是传递到func函数中的第一个参数

3、既然DataFrame是传递到func函数的第一个参数，那后面的arg=(...,...)只能是func函数中的其他参数了。

4、apply默认对列进行处理

5、越是参数多，功能强大的函数越要多试一下，不然会走很多弯路。

DataFrame.apply(self, func, axis=0, raw=False, result_type=None, args=(), **kwds）
func 代表的是传入的函数或 lambda 表达式；
axis 参数可提供的有两个，该参数默认为0/列
0 或者 index ，表示函数处理的是每一列；
1 或 columns ，表示处理的是每一行;
raw ；bool 类型，默认为 False;
False ，表示把每一行或列作为 Series 传入函数中；
True，表示接受的是 ndarray 数据类型；
apply() 最后的是经过函数处理，数据以 Series 或 DataFrame 格式返回。