pandas学习草稿

pandas map()，apply()，applymap() 函数使用与区别

1.apply()函数的使用

可对df框架中的每一行（axis=1）或每一列（axis=0）进行操作

完整参数
DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, result_type=None, args=(), **kwds)
func：对数据所应用的函数，
axis：选择处理数据行列的轴，axis=0表示将每列数据传入函数处理，axis=1表示将每行数据传入函数处理
broadcast：
raw：
reduce：

本例数据表格如下

a	b
1	4
2	5
3	6

示例数据
>>> df
   a  b
0  1  4
1  2  5
2  3  6

对每一行数据进行操作，以求和为例
>>> df.apply(sum, axis=1)
0    5
1    7
2    9
dtype: int64

对每一列数据进行操作，以求和为例
>>> df.apply(sum, axis=0)
a     6
b    15
dtype: int64

ps.
	1.DataFrame在使用apply()后数据类型变为Series
	2.apply()中传入函数的数据类型为Series，在使用lambda函数时，可使用Series实例的方法 如：

1.取每行的最大值
>>> df.apply(lambda x: x.max(), axis=1)
0    4
1    5
2    6
dtype: int64

2.获取每一行数据形成的Series的索引
>>> df.apply(lambda x: x.index, axis=1)
0    Index(['a', 'b'], dtype='object')
1    Index(['a', 'b'], dtype='object')
2    Index(['a', 'b'], dtype='object')
dtype: object