Pandas 中map, applymap and apply的区别

结论：

（1）map、apply在用于Series时，对每一个值进行处理，两者并没有什么区别。（是否受数据量影响可以自行验证）
（2）apply不仅可以用于Series，还可以用于DataFrame；而map只能用于Series。
（3）一般情况下，apply应用更广泛，尤其是自定义函数带多个参数时，建议使用apply。
（4）applymap()是一种让函数作用DataFrame每一个元素的操作。

apply()

apply不仅可以用于Series，还可用于DataFrame

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

applymap()

applymap()是一种让函数作用DataFrame每一个元素的操作。

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

map()

map()的作用是将函数作用于一个Series的每一个元素

In [122]: frame['e'].map(format)
Out[122]:
Utah       1.28
Ohio      -1.55
Texas      0.20
Oregon    -0.31
Name: e, dtype: object