pandas map apply applymap区别

最新推荐文章于 2025-02-19 07:30:00 发布

chao_to_change

最新推荐文章于 2025-02-19 07:30:00 发布

阅读量254

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/sjch1988/article/details/80913180

本文介绍了Pandas库中df.apply(), df.applymap() 和 Series.map() 方法的区别与应用场景。通过实例展示了如何利用这些方法进行数据处理，包括计算DataFrame每行最大最小值之差，格式化DataFrame中的数值以及格式化Series中的数值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import pandas as pd
import numpy as np

df=pd.DataFrame(np.random.randn(4,3),index=['utah','ohio','texas','ny'],columns=list('abc'))

help(df.apply)

# Objects passed to functions are series objects having index either the DataFrames index (axis=0) 每列来，or the columns(axis=1)
# 按每行来. Return type depends on whether passed function aggregates, or the reduce argument if the DataFrame is empty.

# Parameters
# func:function
#     Function to apply to each column/row
# axis:{0 or 'index',1 or 'columns'},default 0
#     * 0 or 'index':apply function to each column (0 竖)
#     * 1 or 'columns':apply function to each row (1 横)

##apply function接收的是一个带index的Series,axis=0则竖Series，即每列，axis=1为每行

f = lambda x: x.max() - x.min()
print (df.apply(f,axis=1))

# applymap
# applymap对一个DataFrame中的每个元素进行转换

format=lambda x: '%.2f' %x

print(df.applymap(format))

# 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

print(df['b'].map(format))

# 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。