python panda apply_Python-pandas中map,applymap和apply方法之间的区别

小编典典

另一个常见的操作是将一维数组上的函数应用于每一列或每一行。DataFrame的apply方法正是这样做的:

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

许多最常见的数组统计信息(例如sum和mean)都是DataFrame方法,因此不必使用apply。

也可以使用基于元素的Python函数。假设你要根据帧中的每个浮点值来计算格式化的字符串。你可以使用applymap做到这一点:

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 -0.31

之所以使用applymap作为名称,是因为Series具有用于应用逐元素函数的map方法:

In [122]: frame['e'].map(format)

Out[122]:

Utah 1.28

Ohio -1.55

Texas 0.20

Oregon -0.31

Name: e, dtype: object

总结起来,apply在DataFrame的行/列基础上工作,在DataFrame applymap上按map元素工作,在Series上按元素工作。

2020-02-16

你可能感兴趣的