沧海拾珠

Pandas中apply, applymap 和map的用法及区别

发表于 | 分类于 |

1. apply()函数的用法。

DataFrame.apply(func, axis = 0/1)，将指定函数应用于dataframe中的行或者列上。官网上提示这个函数在将来会取消。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
frame = DataFrame(np.random.randn(4, 3), columns=list('bde'),
                  index=['Utah', 'Ohio', 'Texas', 'Oregon'])
       
              b	           d	        e
Utah	0.248637	1.583772	-0.630755
Ohio	-0.096555	-0.265234	0.545998
Texas	-0.097191	-0.200923	-2.147096
Oregon	1.139358	-0.992095	-0.066734
f = lambda x: x.max() - x.min()
frame.apply(f)
b    1.236549
d    2.575866
e    2.693094
dtype: float64
frame.apply(f, axis = 1)
Utah      2.214527
Ohio      0.811232
Texas     2.049906
Oregon    2.131453
dtype: float64

2. applymap()，相比于apply()，其作用范围为整个DataFrame里面的数据。

1
2
3
4
5
6
frame.applymap(lambda x:'%.2f' % x)
           b	   d	   e
Utah	0.25	1.58	-0.63
Ohio	-0.10	-0.27	0.55
Texas	-0.10	-0.20	-2.15
Oregon	1.14	-0.99	-0.07

3. map() 作用对象为Series。

1
2
3
4
5
6
7
frame['e'].map(lambda x: '%.2f'% x)
Utah      -0.63
Ohio       0.55
Texas     -2.15
Oregon    -0.07
Name: e, dtype: object