Pandas Dataframe数据帧的运算：Apply, Map, Applymap

1. apply

apply 方法用于对数据帧的轴（行或列）应用函数。传递一个函数作为参数，并指定 axis 参数来决定函数是应用于行（axis=0）还是列（axis=1）。

import pandas as pd  
  
df = pd.DataFrame({  
    'A': [1, 2, 3],  
    'B': [4, 5, 6]  
})  
  
# 对列应用函数（求和）  
col_sums = df.apply(sum, axis=0)  
print(col_sums)  
  
# 对行应用函数（求最大值）  
row_max = df.apply(max, axis=1)  
print(row_max)

2. map

map 方法主要用于 Series 对象，它接受一个函数或字典，并将该函数或字典映射到 Series 的每个元素上。对于数据帧，需要指定要操作的列。

# 将 B 列的每个元素乘以 2  
df['B_doubled'] = df['B'].map(lambda x: x * 2)  
print(df)

# 创建一个简单的Series  
s = pd.Series(['cat', 'dog', 'cat', 'bird', 'dog', 'elephant'])  
  
# 创建一个映射字典，将动物名称映射到它们的类别编号  
mapping_dict = {  
    'cat': 1,  
    'dog': 2,  
    'bird': 3,  
    'elephant': 4  
}  
  
# 使用map方法和字典来转换Series中的值  
s_mapped = s.map(mapping_dict)  
  
print("原始Series:")  
print(s)  
print("\n映射后的Series:")  
print(s_mapped)

3. applymap

applymap 方法用于对数据帧的每个元素应用函数。它接受一个函数作为参数，并将该函数应用于数据帧的每个元素。

# 将数据帧的每个元素加 1  
df_incremented = df.applymap(lambda x: x + 1)  
print(df_incremented)