apply

我们想在 DataFrame 的每行或者每列上都执行某个函数，可以使用 DataFrame 的 apply 方法。

例如，我们想计算下面 DataFrame 每列的最大值最小值之差：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(4, 3), columns=list('bde'),
index=['Baidi', 'Wuyi', 'Changan', 'Changshan'])
print(df)
"""
b
d
e
Baidi
1.671894
0.902370
0.008920
Wuyi
-0.368150
0.265574
1.538348
Changan
-0.491342 -0.073567
0.257416
Changshan
1.703614
1.007506 -1.837523
"""

f = lambda x: x.max() - x.min()
df.apply(f)
"""
b
2.194956
d
1.081073
e
3.375870
dtype: float64
"""

结果会返回一个 Series，其 index 为 df 的 column。

apply 有 axis 参数，默认为 0，即对每列做运算，如果将其指定为 1 或者 ‘columns’，则会对每行做运算：

df.apply(f, axis='columns')
"""
Baidi
1.662974
Wuyi
1.906497
Changan
0.748758
Changshan
3.541137
dtype: float64
"""

传入 apply 的函数不是必须返回标量值的，也可以返回类似 Series 这样的对象：

def f(x):
return pd.Series([x.min(), x.max()], index=['min', 'max'])

df.apply(f)
"""
b
d
e
min -0.491342 -0.073567 -1.837523
max
1.703614
1.007506
1.538348
"""

大多数常见的统计方法（例如 sum 和 mean）都是 DataFrame 的方法，因此除非我们需要做一些特别的运算，否则并不需要使用 apply 方法。

Series 也有 apply 方法，用法大致相同，且没有axis 参数。

applymap

如果我们想对 DataFrame 中的每个元素都运行我们自己定义的函数，可以使用 applymap 方法。例如：

format = lambda x: '%.2f' % x
df.applymap(format)
"""
b
d
e
Baidi
1.67
0.90
0.01
Wuyi
-0.37
0.27
1.54
Changan
-0.49
-0.07
0.26
Changshan
1.70
1.01
-1.84
"""

map

Series 中对应 applymap 的方法为 map：

df['e'].map(format)
"""
Baidi
0.01
Wuyi
1.54
Changan
0.26
Changshan
-1.84
Name: e, dtype: object
"""

References

Python for Data Analysis, 2${}^{\mathrm{n}\mathrm{d}}$ edition. Wes McKinney.

最后

以上就是从容季节为你收集整理的pandas.DataFrame.apply，DataFrame.applymap，Series.mapapplyapplymapmapReferences的全部内容，希望文章能够帮你解决pandas.DataFrame.apply，DataFrame.applymap，Series.mapapplyapplymapmapReferences所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。