5

Aquí una muy pequeña vista de las variables de una base de datos que estoy ocupando para un ejercicio sobre clasificación.

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 41188 entries, 0 to 41187
Data columns (total 21 columns):
age               41188 non-null int64
job               41188 non-null object
marital           41188 non-null object

dtypes: float64(5), int64(6), object(10)
memory usage: 6.6+ MB

Quiero normalizar la variable age y para eso cree una función sencilla:

def normalize(X):
    NORM = []
    for i in X:
        norm= (i-min(X))/(max(X)-min(X))
        NORM.append(norm)
    return NORM

El problema es que cuando la intento aplicar con map o con apply para crear una nueva variable obtengo el mismo error:

log["age_n"]=  log["age"].apply(normalize)
TypeError: 'int' object is not iterable

log["age_n"]=  log["age"].map(normalize)
TypeError: 'int' object is not iterable

Cualquier orientación sobre este error la apreciaré muchísimo.

2
  • ¿X se supone que es la columna "age" e i cada una de sus filas? Ten en cuenta que apply pasa cada fila a la función, no la columna entera.
    – FJSevilla
    el 5 dic. 2017 a las 19:48
  • En efecto, X es "age" e "i" las observaciones. ¿Cuál sería la forma correcta entonces? Estoy intentando con log["age_n"]= normalize(log["age"]) aunque mi computadora va un poco lenta... el 5 dic. 2017 a las 20:04

1 respuesta 1

4

apply pasa a la función cada fila y la función retorna el valor correspondiente para esa misma fila. Al recibir el valor de cada fila de la columna age, un entero, obtienes el error mostrado al intentar iterar sobre el con for i in X, ya que X es cada observación y no la columna completa.

La función debería ser por tanto algo así:

min_age = log["age"].min()
dif_age = log["age"].max() - min_age

def normalize(row):
    return(row - min_age) / dif_age

log["age_n"] = log["age"].apply(normalize)

O usar una función anónima:

min_age = log["age"].min()
dif_age = log["age"].max() - min_age
log["age_n"] = log["age"].apply(lambda row: (row - min_age) / dif_age)

No obstante, para lo que quieres hacer no necesitas (ni debes) usar apply, existe una forma más simple y eficiente aprovechando la vectorización ofrecida por Pandas/NumPy sin tener que recurrir a una función Python.

Partiendo de un ejemplo reproducible:

>>> import pandas as pd

>>> data = {"age":     [20,  34,  82,  47,  95,  14,  58], 
            "job":     ["a", "a", "a", "a", "a", "a", "a"], 
            "marital": ["b", "b", "b", "b", "b", "b", "b"]}

>>> log = pd.DataFrame(data)

Podemos obtener la nueva columna simplemente con:

>>> min_age = log["age"].min()
>>> dif_age = log["age"].max() - min_age
>>> log["age_n"] = (log["age"] - min_age) / dif_age
>>> log

   age job marital     age_n
0   20   a       b  0.074074
1   34   a       b  0.246914
2   82   a       b  0.839506
3   47   a       b  0.407407
4   95   a       b  1.000000
5   14   a       b  0.000000
6   58   a       b  0.543210
1
  • Tienes toda la razón. ¡Muchas gracias! el 5 dic. 2017 a las 20:16

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.