apply()函数--Pandas

1. DataFrame.apply()函数

1.1 函数功能

对DataFrame沿着指定轴运用函数。
函数接收到的对象是Series对象,它们的索引可以是DataFrame的行索引(axis=0)或列索引(axis=1)。结果为Series或DataFrame。

1.2 函数语法

DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwargs)

1.3 函数参数

参数含义
func应用到每行或列的函数
aixs函数应用的轴:0 or ‘index’:应用到每列(默认); 1 or ‘columns’:应用到每行
raw布尔值,确定行或列是作为Series对象还是ndarray对象传递给函数。默认为False:将每一行或列作为Series对象传递给函数;True::传递的函数将接收ndarray对象。如果您只是应用NumPy的聚合函数,使用此选项可以获得更好的性能。
result_type返回结果的类型,仅当aixs=1时起作用
args传递到函数func中的位置参数
**kwargs传递到func中的其他关键字参数

在这里插入图片描述
在这里插入图片描述

2. Series.apply()函数

2.1 函数功能

对Series的值应用函数。

2.2 函数语法

Series.apply(func, convert_dtype=True, args=(), **kwargs)

2.3 函数参数

参数含义
func函数:python函数或者numpy函数
convert_dtype布尔值,结果类型,默认为True:尝试为运用函数后的结果找到更好的类型
args传递给func的位置参数
**kwargs传递给func的其他参数

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pandasapply函数是一个非常有用的函数,它可以将一个自定义的函数应用到DataFrame或Series的每一行或每一个元素上。通过apply函数,我们可以对数据进行自定义的操作和转换。 apply函数的基本语法是:df.apply(func, axis=0/1) 其中,func是我们自定义的函数,可以是一个lambda表达式或者普通的函数。axis参数指定了应用函数的方向,axis=0表示按列应用函数,axis=1表示按行应用函数。 当我们使用apply函数时,它会遍历DataFrame或Series的每一行或每一个元素,并将其作为参数传递给我们定义的函数。然后,我们可以在函数中对数据进行处理、计算或其他操作,并返回处理后的结果。 下面是一个示例,展示了如何使用apply函数计算DataFrame中每一行的和: ```python import pandas as pd # 创建一个示例DataFrame data = {'A': [1, 2, 3], 'B': [4, 5, 6]} df = pd.DataFrame(data) # 定义一个函数,计算每一行的和 def row_sum(row): return row['A'] + row['B'] # 使用apply函数应用row_sum函数到每一行 df['Sum'] = df.apply(row_sum, axis=1) print(df) ``` 输出结果为: ``` A B Sum 0 1 4 5 1 2 5 7 2 3 6 9 ``` 这里,我们定义了一个函数row_sum,它接收一个参数row,表示DataFrame中的每一行。在函数中,我们通过row['A']和row['B']分别获取每一行的'A'列和'B'列的值,并将它们相加作为结果返回。然后,我们使用apply函数将row_sum函数应用到每一行,并将计算结果存储在新的'Sum'列中。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值