【pandas】ser.apply() & df.apply()

最新推荐文章于 2024-03-19 17:41:35 发布

EndlessLearn

最新推荐文章于 2024-03-19 17:41:35 发布

阅读量252

点赞数

分类专栏： python

本文链接：https://blog.csdn.net/MagicMystery/article/details/115943556

版权

pandas 的apply函数既适用于Series，又适用于DataFrame，是元素级(elementwise) 的运算。

有df如下，以此为例进行说明。

	col1	col2	col3
0	1	2	3
1	4	5	6
2	7	8	9

Series

Series.apply(func, convert_dtype=True, args=(), **kwds)
Parameters
func - function, Python function or NumPy ufunc to apply.

convert_dtype - bool, default True Try to find better dtype for elementwise function results. If False, leave as dtype=object.

args - tuple, Positional arguments passed to func after the series value.

**kwds - Additional keyword arguments passed to func.

Returns
Series or DataFrame If func returns a Series object the result will be a DataFrame.

# 求col1每个元素的平方，以下两种方法结果相同
df['col1'].apply(np.square)
df['col1'].apply(lambda x: np.square(x))


# 自定义一个需要传递参数的函数
def calfunc(x,val):
    return x+val
# 这时上面的两种方法变为：
df['col1'].apply(calfunc,args=(5,))
df['col1'].apply(lambda x: calfunc(x,5))

# 也可以直接使用匿名函数
df['col1'].apply(lambda x: x+5)