pandas中的apply方法疑问

老笨啊

对于apply方法，用了几次，感觉不是很顺手。。主要是没有真正理解透，特别是针对多列数据进行处理的情况，需要传入2个以上的参数。。我一直有点不是很清楚，求指教。。
举个例子：手头一组数据，有多列。需要对数据进行填充处理。如数据缺失的情况，超过原始数据量的一般以上，则填充0。而对于数据量缺失少于一般的情况，则采用线性插值填充。
我的代码是（问题在代码中）：

1. def insert(x,i):
   
2.     if x[i].isnull().sum() > x.shape[0]/2: #缺失值超过一半以上，直接填充指定值.
   
3.         x[i] = x[i].fillna(0) #其余字段填充数值0
   
4.     else:
   
5.         x[i] = x[i].interpolate(method='linear',limit_direction = 'both')
   
6.     return x  #问题1：这里需要返回的是 x[i] 还是x呢？？
   
7. for i in data.columns[1:]:
   
8.     data = data.apply(insert,args = (i,),axis=1)
   
9. #问题2：对于传入两个以上的参数，函数的第一个参数，代表数据自身，即x =data，而对于i则应该是data中的每列。这样的话，axis=1有没有必要传入？
   
10. #问题3：如果数据中需要进行分组后，再应该apply，则采用groupy + apply的方法。这个时候，apply只能传入(data,i)，而不是类似apply一样传入(data,args=(i))。他们的区别在哪里呢？

复制代码

老笨啊

上述的代码，运行实际是报错的。。
提示说浮点型数据没有isnull的方法。。
但是data['列名']应该是series格式，怎么会变成浮点型呢？

老笨啊

如果对数据进行分组处理，同样类似的方法，一种需要进行for循环，另一种则不需要。。
第一种：

1. def standard(x,i):
   
2.     x[i] = (x[i]-x[i].mean())/x[i].std()
   
3.     return x
   
4. data = data.groupby('ID').apply(standard,data1.columns[2:]) #这种针对ID先分组后，分别进行标准化处理，就不需要进行for循环处理，而直接传入列即可

复制代码

第二种：

1. def insert(x,i):
   
2.     if x[i].isnull().sum() > x.shape[0]/2: #缺失值超过一半以上，直接填充指定值
   
3.         x[i] = x[i].fillna(0) #其余字段填充数值0
   
4.     else:
   
5.         x[i] = x[i].interpolate(method='linear',limit_direction = 'both')
   
6.     return x
   
7. for i in data.columns[2:]:
   
8.     data = data.groupby('ID').apply(insert,i) #这种就无法直接传入参数，而必须采用for循环的方法，否则报错：提示第二行对比的数据格式不对：The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

复制代码

我在一楼的问题，是不需要进行分组，来填充数值的。。这里的第二种，是需要进行分组处理的。

老笨啊

搞不懂的是，为什么我用分组方法，对数据进行填充，是可以的。。
不分组的情况下，进行填充，倒不行了~~~
求指点~~