將函數(shù)應(yīng)用于pandas對(duì)象（pandas.DataFrame，pandas.Series）時(shí)，根據(jù)所應(yīng)用的函數(shù)類(lèi)型以及是否將其應(yīng)用于元素，行或列，使用的方法會(huì)有所不同。

指定pandas對(duì)象作為NumPy函數(shù)的參數(shù)

• 將Pandas對(duì)象指定為函數(shù)參數(shù)
• 是否將其應(yīng)用于元素，行或列取決于函數(shù)的類(lèi)型和參數(shù)的設(shè)置而有所不同
• Pandas對(duì)象中的一些方法

Pandas對(duì)象方法的函數(shù)應(yīng)用
元素功能（標(biāo)量值）

• 適用于Series的每個(gè)元素：map（），apply（）
• 應(yīng)用于DataFrame的每個(gè)元素：applymap（）

行和列的功能（一維數(shù)組）

• 應(yīng)用于DataFrame的每行和每列：apply（）

用以下csv文件作為示例進(jìn)行說(shuō)明。

a,b,c,d
11,12,13,14
21,22,23,24
31,32,33,34

import pandas as pd
import numpy as np

df = pd.read_csv('./data/06/sample_header.csv')
print(df)
# ? ? a ? b ? c ? d
# 0 ?11 ?12 ?13 ?14
# 1 ?21 ?22 ?23 ?24
# 2 ?31 ?32 ?33 ?34

指定pandas對(duì)象作為NumPy函數(shù)的參數(shù)

可以將Pandas對(duì)象指定為NumPy函數(shù)的參數(shù)。

元素的應(yīng)用

NumPy的通用函數(shù)（ufunc：應(yīng)用于數(shù)組元素的函數(shù)）適用于pandas對(duì)象的每個(gè)元素。

絕對(duì)值（fabs（）），平方根（sqrt（）），log（log（））等。

print(np.sqrt(df))
#           a         b         c         d
# 0  3.316625  3.464102  3.605551  3.741657
# 1  4.582576  4.690416  4.795832  4.898979
# 2  5.567764  5.656854  5.744563  5.830952

行/列的應(yīng)用

如果將pandas對(duì)象指定為從NumPy數(shù)組的所有元素計(jì)算值的函數(shù)的參數(shù)，則默認(rèn)情況下它將應(yīng)用于pandas對(duì)象的每列。如果參數(shù)軸= 1，則將其應(yīng)用于每行。

最大值（amax（）），最小值（amin（）），平均值（mean（））等。

print(np.amax(df))
# a ? ?31
# b ? ?32
# c ? ?33
# d ? ?34
# dtype: int64

print(np.mean(df, axis=1))
# 0 ? ?12.5
# 1 ? ?22.5
# 2 ? ?32.5
# dtype: float64

pandas.DataFrame，pandas.Series方法

最大值，最小值，平均值，方差等也被準(zhǔn)備為Pandas對(duì)象的方法，因此也可以直接使用它們。

同樣，在這種情況下，默認(rèn)情況下也會(huì)將其應(yīng)用于每一列，并且如果參數(shù)axis = 1，則會(huì)將其應(yīng)用于每一行。

print(df.max())
# a ? ?31
# b ? ?32
# c ? ?33
# d ? ?34
# dtype: int64

print(df.max(axis=1))
# 0 ? ?14
# 1 ? ?24
# 2 ? ?34
# dtype: int64

Pandas對(duì)象方法的函數(shù)應(yīng)用

可以使用pandas對(duì)象方法將函數(shù)應(yīng)用于元素，行和列。您可以應(yīng)用Python內(nèi)置函數(shù)或您定義的函數(shù)。

• 應(yīng)用于Series的每個(gè)元素：map（），apply（）
• 應(yīng)用于DataFrame的每個(gè)元素：applymap（）
• 應(yīng)用于DataFrame的每行和每列：apply（）
• 應(yīng)用于DataFrame的特定行/列元素

以上方法都返回一個(gè)新的已處理的對(duì)象，而原始對(duì)象則保持不變。沒(méi)有像dropna（）或fillna（）那樣的參數(shù)，因此，如果想更改原始對(duì)象本身時(shí)，

df = df.applymap(function)

如上，用原始對(duì)象替換新對(duì)象并覆蓋它。

適用于Series的每個(gè)元素：map（），apply（）

將Python內(nèi)置函數(shù)，匿名函數(shù)（lambda）或def定義的函數(shù)傳遞給map（）或apply（）的參數(shù)。

s = df['a']
print(s)
# 0 ? ?11
# 1 ? ?21
# 2 ? ?31
# Name: a, dtype: int64

f_brackets = lambda x: '[{}]'.format(x)
print(s.map(f_brackets))
# 0 ? ?[11]
# 1 ? ?[21]
# 2 ? ?[31]
# Name: a, dtype: object

def f_str(x):
? ? return str(x).replace('1', 'One').replace('2', 'Two').replace('3', 'Three').replace('4', 'Four')

print(s.map(f_str))
# 0 ? ? ?OneOne
# 1 ? ? ?TwoOne
# 2 ? ?ThreeOne
# Name: a, dtype: object

對(duì)于map（），如果將字典dict指定為參數(shù)，它將替換為元素。

應(yīng)用于DataFrame的每個(gè)元素：applymap（）

將Python的內(nèi)置函數(shù)，匿名函數(shù)（lambda）或def定義的函數(shù)傳遞為applymap（）的參數(shù)。

f_oddeven = lambda x: 'odd' if x % 2 == 1 else 'even'
print(df.applymap(f_oddeven))
#      a     b    c     d
# 0  odd  even  odd  even
# 1  odd  even  odd  even
# 2  odd  even  odd  even

應(yīng)用于DataFrame的每行和每列：apply（）

將適用于一維數(shù)組的函數(shù)傳遞給apply（）的參數(shù)。默認(rèn)情況下，它應(yīng)用于每列，如果axis = 1，則應(yīng)用于每行。

f_maxmin = lambda x: max(x) - min(x)
print(df.apply(f_maxmin))
# a ? ?20
# b ? ?20
# c ? ?20
# d ? ?20
# dtype: int64

print(df.apply(f_maxmin, axis=1))
# 0 ? ?3
# 1 ? ?3
# 2 ? ?3
# dtype: int64

應(yīng)用于DataFrame的特定行/列元素

由于沒(méi)有方法僅將功能應(yīng)用于DataFrame的特定行/列元素，可執(zhí)行以下方法。

• 選擇行/列并應(yīng)用帶有map（）或apply（）的功能
• 覆蓋原始行/列

df['b'] = df['b'].map(f_str)
print(df)
# ? ? a ? ? ? ? b ? c ? d
# 0 ?11 ? ?OneTwo ?13 ?14
# 1 ?21 ? ?TwoTwo ?23 ?24
# 2 ?31 ?ThreeTwo ?33 ?34

df.iloc[2] = df.iloc[2].map(f_str)
print(df)
# ? ? ? ? ? a ? ? ? ? b ? ? ? ? ? c ? ? ? ? ?d
# 0 ? ? ? ?11 ? ?OneTwo ? ? ? ? ?13 ? ? ? ? 14
# 1 ? ? ? ?21 ? ?TwoTwo ? ? ? ? ?23 ? ? ? ? 24
# 2 ?ThreeOne ?ThreeTwo ?ThreeThree ?ThreeFour

到此這篇關(guān)于Pandas中map(),applymap(),apply()函數(shù)的使用方法的文章就介紹到這了,更多相關(guān)Pandas map(),applymap(),apply()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！

最新評(píng)論