python數(shù)據(jù)分析apply(),map(),applymap()用法
在python的數(shù)據(jù)分析中,使用apply(),map(),applymap(),可以方便地實(shí)現(xiàn)對(duì)批量數(shù)據(jù)的自定義操作。其用法歸納如下。
函數(shù) | 用法 |
---|---|
apply() | 用于對(duì)DataFrame中的數(shù)據(jù)進(jìn)行按行或者按列 操作 |
map() | 用于對(duì)Series中的每一個(gè)數(shù)據(jù) 操作 |
applymap() | 用于對(duì)DataFrame的 每一個(gè)數(shù)據(jù)操作 |
1.示例
apply()
apply()
用于對(duì)DataFrame中的數(shù)據(jù)進(jìn)行按行或者按列 操作。
import pandas as pd data = [[110, 120, 110], [130, 130, 130], [130, 120, 130]] columns = ['語(yǔ)文', '數(shù)學(xué)', '英語(yǔ)'] df = pd.DataFrame(data=data, columns=columns) print(df) print("=============================") print(df.apply(lambda x: x.sum(), axis=1))
其中axis=1
表示對(duì)行操作。若axis為0則表示對(duì)列操作。
map()
map()用于對(duì)Series中的每一個(gè)數(shù)據(jù) 操作。
import pandas as pd s1 = pd.Series([11, 22, 33, 44, 55]) print(s1) print("================================") print(s1.map(lambda x: str(x)))
applymap
applymap()
用于對(duì)DataFrame
的 每一個(gè)數(shù)據(jù)操作。
操作DataFrame的每一個(gè)數(shù)據(jù)。
以將每一個(gè)數(shù)據(jù)保留兩位小數(shù)為例:
import pandas as pd data = [[110, 120, 110], [130, 130, 130], [130, 120, 130]] columns = ['語(yǔ)文', '數(shù)學(xué)', '英語(yǔ)'] df = pd.DataFrame(data=data, columns=columns) print(df) print("=============================") print(df.applymap(lambda x: '%.2f'%x))
到此這篇關(guān)于python數(shù)據(jù)分析apply(),map(),applymap()用法的文章就介紹到這了,更多相關(guān)apply(),map(),applymap()用法內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python學(xué)生成績(jī)管理系統(tǒng)簡(jiǎn)潔版
這篇文章主要為大家詳細(xì)介紹了簡(jiǎn)潔版的Python學(xué)生成績(jī)管理系統(tǒng),文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2018-01-01pytorch實(shí)現(xiàn)建立自己的數(shù)據(jù)集(以mnist為例)
今天小編就為大家分享一篇pytorch實(shí)現(xiàn)建立自己的數(shù)據(jù)集(以mnist為例),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-01-01詳解小白之KMP算法及python實(shí)現(xiàn)
在看子串匹配問(wèn)題的時(shí)候,書(shū)上的關(guān)于KMP的算法的介紹總是理解不了??戳艘槐榇a總是很快的忘掉,后來(lái)決定好好分解一下KMP算法,算是給自己加深印象。感興趣的朋友跟隨小編一起看看吧2019-04-04