Pandas的Apply函數(shù)具體使用

更新時間：2020年07月21日 10:15:15 作者：冬之曉東

這篇文章主要介紹了Pandas的Apply函數(shù)具體使用，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

Pandas最好用的函數(shù)

Pandas是Python語言中非常好用的一種數(shù)據(jù)結構包，包含了許多有用的數(shù)據(jù)操作方法。而且很多算法相關的庫函數(shù)的輸入數(shù)據(jù)結構都要求是pandas數(shù)據(jù)，或者有該數(shù)據(jù)的接口。

仔細看pandas的API說明文檔，就會發(fā)現(xiàn)有好多有用的函數(shù)，比如非常常用的文件的讀寫函數(shù)就包括如下函數(shù)：

Format Type	Data Description	Reader	Writer
text	CSV	read_csv	to_csv
text	JSON	read_json	to_json
text	HTML	read_html	to_html
text	Local clipboard	read_clipboard	to_clipboard
binary	MS Excel	read_excel	to_excel
binary	HDF5 Format	read_hdf	to_hdf
binary	Feather Format	read_feather	to_feather
binary	Parquet Format	read_parquet	to_parquet
binary	Msgpack	read_msgpack	to_msgpack
binary	Stata	read_stata	to_stata
binary	SAS	read_sas
binary	Python Pickle Format	read_pickle	to_pickle
SQL	SQL	read_sql	to_sql
SQL	Google Big Query	read_gbq	to_gbq

讀取數(shù)據(jù)后，對于數(shù)據(jù)處理來說，有好多有用的相關操作的函數(shù)，但是我認為其中最好用的函數(shù)是下面這個函數(shù)：

apply函數(shù)

apply函數(shù)是`pandas`里面所有函數(shù)中自由度最高的函數(shù)。該函數(shù)如下：

DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)

該函數(shù)最有用的是第一個參數(shù)，這個參數(shù)是函數(shù)，相當于C/C++的函數(shù)指針。

這個函數(shù)需要自己實現(xiàn)，函數(shù)的傳入?yún)?shù)根據(jù)axis來定，比如axis = 1，就會把一行數(shù)據(jù)作為Series的數(shù)據(jù)結構傳入給自己實現(xiàn)的函數(shù)中，我們在函數(shù)中實現(xiàn)對Series不同屬性之間的計算，返回一個結果，則apply函數(shù)會自動遍歷每一行DataFrame的數(shù)據(jù)，最后將所有結果組合成一個Series數(shù)據(jù)結構并返回。

比如讀取一個表格：

假如我們想要得到表格中的PublishedTime和ReceivedTime屬性之間的時間差數(shù)據(jù)，就可以使用下面的函數(shù)來實現(xiàn)：

import pandas as pd
import datetime  #用來計算日期差的包

def dataInterval(data1,data2):
  d1 = datetime.datetime.strptime(data1, '%Y-%m-%d')
  d2 = datetime.datetime.strptime(data2, '%Y-%m-%d')
  delta = d1 - d2
  return delta.days

def getInterval(arrLike): #用來計算日期間隔天數(shù)的調用的函數(shù)
  PublishedTime = arrLike['PublishedTime']
  ReceivedTime = arrLike['ReceivedTime']
#  print(PublishedTime.strip(),ReceivedTime.strip())
  days = dataInterval(PublishedTime.strip(),ReceivedTime.strip()) #注意去掉兩端空白
  return days

if __name__ == '__main__':  
  fileName = "NS_new.xls";
  df = pd.read_excel(fileName) 
  df['TimeInterval'] = df.apply(getInterval , axis = 1)

有時候，我們想給自己實現(xiàn)的函數(shù)傳遞參數(shù)，就可以用的apply函數(shù)的*args和**kwds參數(shù)，比如同樣的時間差函數(shù)，我希望自己傳遞時間差的標簽，這樣沒次標簽更改就不用修改自己實現(xiàn)的函數(shù)了，實現(xiàn)代碼如下：

import pandas as pd
import datetime  #用來計算日期差的包

def dataInterval(data1,data2):
  d1 = datetime.datetime.strptime(data1, '%Y-%m-%d')
  d2 = datetime.datetime.strptime(data2, '%Y-%m-%d')
  delta = d1 - d2
  return delta.days

def getInterval_new(arrLike,before,after): #用來計算日期間隔天數(shù)的調用的函數(shù)
  before = arrLike[before]
  after = arrLike[after]
#  print(PublishedTime.strip(),ReceivedTime.strip())
  days = dataInterval(after.strip(),before.strip()) #注意去掉兩端空白
  return days


if __name__ == '__main__':  
  fileName = "NS_new.xls";
  df = pd.read_excel(fileName) 
  df['TimeInterval'] = df.apply(getInterval_new , 
   axis = 1, args = ('ReceivedTime','PublishedTime'))  #調用方式一
  #下面的調用方式等價于上面的調用方式
  df['TimeInterval'] = df.apply(getInterval_new , 
   axis = 1, **{'before':'ReceivedTime','after':'PublishedTime'}) #調用方式二
  #下面的調用方式等價于上面的調用方式
  df['TimeInterval'] = df.apply(getInterval_new , 
   axis = 1, before='ReceivedTime',after='PublishedTime') #調用方式三

修改后的getInterval_new函數(shù)多了兩個參數(shù)，這樣我們在使用apply函數(shù)的時候要自己傳遞參數(shù)，代碼中顯示的三種傳遞方式都行。

最后，本篇的全部代碼在下面這個網頁可以下載：

https://github.com/Dongzhixiao/Python_Exercise/tree/master/pandas_apply

到此這篇關于Pandas的Apply函數(shù)具體使用的文章就介紹到這了,更多相關Pandas Apply函數(shù)內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: