apply、applymap、transform、agg在dataframe中的用法

最新推荐文章于 2024-02-19 07:56:50 发布

患患

最新推荐文章于 2024-02-19 07:56:50 发布

阅读量1.3k

点赞数

分类专栏：数据分析 python 文章标签： python 开发语言后端数据分析

本文链接：https://blog.csdn.net/emma_wason/article/details/121263048

版权

这篇博客详细介绍了在Python数据分析中，如何使用pandas DataFrame的apply、applymap、transform和agg方法。apply方法灵活且功能强大，但速度相对较慢；map主要用于数据类型转换和简单操作；applymap则对DataFrame的每个元素进行操作；transform则保持与输入DataFrame相同形状，适合在groupby操作后进行计算。agg方法适用于聚合操作，与内建函数结合时速度较快。

摘要由CSDN通过智能技术生成

文章目录

- - apply()
  - map()
  - applymap()
  - transform()
  - agg()

apply()

dataframe的apply方法的官方文档
其用法为pandas.DataFrame.apply(self, func, axis=0, raw=False, result_type=None)
agg可以做的，好像apply都可以做，所以apply比agg更加灵活，更一般化，但是调用Python内置函数和pandas函数时，运行速度比agg慢。
不同的是apply还能向用户自定义函数中传递参数，而且支持在同一个dataframe的不同series间进行运算，当应用的不是聚合函数时，就是对每个元素的逐一操作。

from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity='all'

import pandas as pd
import numpy as np
df=pd.DataFrame(np.random.randint(90,100,size=(3,3)),columns=list('edg'))
df

#计算各列数据总和并作为新列添加到末尾
df['Col_sum'] = df.apply(lambda x: x.sum(), axis=1)
#计算各行数据总和并作为新行添加到末尾
df.loc['Row_sum'] = df.apply(lambda x