发布时间:2022-08-31 14:00
转自:[https://www.cnblogs.com/cymwill/p/7577369.html]
apply 用在dataframe上,用于对row或者column进行计算;
applymap 用于dataframe上,是元素级别的操作;
map (其实是python自带的)用于series上,是元素级别的操作。
如:
>>> df = pd.DataFrame(np.random.randint(0,10,(4, 3)), columns=list('bde'), index=range(4))
>>> df
b d e
0 2 0 5
1 8 9 1
2 3 6 6
3 4 8 4
apply:作用在dataframe的一行或一列上
>>> f = lambda x: x.max() - x.min()
>>> df.apply(f)
b 6
d 9
e 5
dtype: int64
>>> df.apply(f,axis=1) # 作用在一行上
0 5
1 8
2 3
3 4
dtype: int64
>>> df.apply(f,axis=0) # 作用在一列上,axis=0可省略
b 6
d 9
e 5
dtype: int64
applymap: 作用在dataframe的每一个元素上
>>> f2 = lambda x: x+1 if x%2==0 else x
>>> df.applymap(f2)
b d e
0 3 1 5
1 9 9 1
2 3 7 7
3 5 9 5
关于apply传入多个参数:
>>> data = {'id':range(5),'value':list("abcab")}
>>> frame = pd.DataFrame(data)
>>> frame
id value
0 0 a
1 1 b
2 2 c
3 3 a
4 4 b
>>> def testf(x, str):
... return x,str
>>> frame["id"].apply(testf, args=("ok",))
0 (0, ok)
1 (1, ok)
2 (2, ok)
3 (3, ok)
4 (4, ok)
Name: id, dtype: object