1.apply()
当想让方程作用在一维的向量上时，可以使用apply来完成，如下所示
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
In [116]: frame = DataFrame(np.random.randn(4, 3), columns=list('bde'), index=['Utah', 'Ohio', 'Texas', 'Oregon'])
In [117]: frame
Out[117]:
b
d
e
Utah
-0.029638
1.081563
1.280300
Ohio
0.647747
0.831136 -1.549481
Texas
0.513416 -0.884417
0.195343
Oregon -0.485454 -0.477388 -0.309548
In [118]: f = lambda x: x.max() - x.min()
In [119]: frame.apply(f)
Out[119]:
b
1.133201
d
1.965980
e
2.829781
dtype: float64但是因为大多数的列表统计方程 (比如 sum 和 mean)是DataFrame的函数，所以apply很多时候不是必须的
2.applymap()
如果想让方程作用于DataFrame中的每一个元素，可以使用applymap().用法如下所示
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
In [120]: format = lambda x: '%.2f' % x
In [121]: frame.applymap(format)
Out[121]:
b
d
e
Utah
-0.03
1.08
1.28
Ohio
0.65
0.83
-1.55
Texas
0.51
-0.88
0.20
Oregon
-0.49
-0.48
-0.313.map()
map()只要是作用将函数作用于一个Series的每一个元素，用法如下所示
复制代码
1
2
3
4
5
6
7
8
9
10
11
In [122]: frame['e'].map(format)
Out[122]:
Utah
1.28
Ohio
-1.55
Texas
0.20
Oregon
-0.31
Name: e, dtype: object总的来说就是apply()是一种让函数作用于列或者行操作，applymap()是一种让函数作用于DataFrame每一个元素的操作，而map是一种让函数作用于Series每一个元素的操作
最后
以上就是笑点低山水最近收集整理的关于Pandas 中map, applymap and apply的区别的全部内容，更多相关Pandas内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复