pandas中apply()+value_counts()使用方法

df = pd.DataFrame(np.arange(12).reshape((4,3)),\
                  columns=list('abe'),\
                  index = ['wo','shi','shui','ha'])

formatr = lambda x:'%.1f' %x
df.apply(formatr)

pandas 的 apply() 函数可以作用于 Series 或者整个 DataFrame，功能也是自动遍历整个 Series 或者 DataFrame, 对每一个元素运行指定的函数

运行上面的代码会出错

TypeError: cannot convert the series to <class ‘float’>

不能向Dataframe.apply()中传递不能处理数组的函数

下面这个可以

formatr = lambda x:'%.1f' %x
df.applymap(formatr)

formatr = lambda x:'%.1f' %x
df['b'].map(formatr)

二。使用apply()+value_counts()对DataFrame查询不重复值

data = pd.DataFrame({'qu1':[1,3,4,3,4],
                    'qu2':[2,6,1,7,3],
                     'qu3':[1,5,2,4,4]})
data

   qu1 	qu2 qu3
0 	1 	2 	1
1 	3 	6 	5
2 	4 	1 	2
3 	3 	7 	4
4 	4 	3 	4

一共7个不重复值

data.value_counts()这种写法并不正确，它返回每一行不重复的次数

{(1, 2, 1): 1, (3, 6, 5): 1, (3, 7, 4): 1, (4, 1, 2): 1, (4, 3, 4): 1}

qu1  qu2  qu3
1    2    1      1
3    6    5      1
     7    4      1
4    1    2      1
     3    4      1
dtype: int64

我们要对逐个值进行分析，所以要使用apply函数

data.apply(pd.value_counts)

     qu1 	qu2 	qu3
1 	1.0 	1.0 	1.0
2 	NaN 	1.0 	1.0
3 	2.0 	1.0 	NaN
4 	2.0 	NaN 	2.0
5 	NaN 	NaN 	1.0
6 	NaN 	1.0 	NaN
7 	NaN 	1.0 	NaN

形成一个以不重复值为索引，形成对每一列计算不重复次数为值的新DataFrame