Python中Pandas的apply函数对数据进行复杂操作

在 Pandas 中，apply 是一种强大的函数，它允许你在 DataFrame 或 Series 上应用自定义函数。apply 的灵活性使得你能够对数据进行复杂的操作，例如对每一行或每一列应用函数，或者对 Series 中的每个元素应用函数。以下是 apply 的详细介绍：

在 DataFrame 上使用 apply：

1. 对每一列应用函数：

import pandas as pd

# 创建一个示例 DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)

# 定义一个函数，对每一列取平方
def square_column(column):
    return column ** 2

# 对每一列应用函数
result = df.apply(square_column)
print(result)

这将对 DataFrame 中的每一列应用 square_column 函数。

2. 对每一行应用函数：

# 定义一个函数，对每一行取平方和
def square_row(row):
    return row.sum() ** 2

# 对每一行应用函数
result = df.apply(square_row, axis=1)
print(result)

这将对 DataFrame 中的每一行应用 square_row 函数，注意需要设置 axis=1。

在 Series 上使用 apply：

# 创建一个示例 Series
s = pd.Series([1, 2, 3, 4])

# 定义一个函数，对每个元素取平方
def square_element(element):
    return element ** 2

# 对 Series 中的每个元素应用函数
result = s.apply(square_element)
print(result)

这将对 Series 中的每个元素应用 square_element 函数。

传递额外参数：

你还可以通过 args 参数传递额外的参数给你的自定义函数。

# 定义一个函数，将每个元素加上一个额外的参数
def add_extra_param(element, extra_param):
    return element + extra_param

# 对 Series 中的每个元素应用函数，并传递额外参数 10
result = s.apply(add_extra_param, extra_param=10)
print(result)

注意事项：

• apply 返回的结果类型可能取决于应用的函数。如果是元素级的操作，可能返回 Series；如果是聚合操作，可能返回标量值。

• 尽量避免在循环中使用 apply，因为 Pandas 内置的函数通常能更高效地处理数据。

apply 的灵活性使得它成为 Pandas 数据处理中的一个强大工具，可以通过自定义函数灵活地处理各种数据操作。