Pandas函数应用

不管是为Pandas对象应用自定义函数，还是应用第三方函数，都离不开以下几种方法。用哪种方法取决于操作的对象是DataFrame，还是Series；是行、列，还是元素。
1.表现级函数应用：pipe()
2.行列级函数应用：apply()
3.聚合API：agg()与transform()
4.元素级函数应用：applymap()

表现级函数应用

虽然可以把DataFrame与Series传递给函数，不过链式调用函数时，最好使用pipe()方法。对比以下两种方式：

下列代码与上述代码是等效的：

Pandas建议使用第二种方式，即链式方法。在链式方法中调用自定义函数或第三方支持库函数时，用pipe更容易，与用Pandas自身方法一样。
上述示例中，f、g与h这几个函数都把DataFrame当作首位参数。要是想把数据作为第二个参数，我们可以怎么做呢？本例中，pipe为元组（callable，data_keyword）形式。.pipe把DataFrame作为元组里指定的参数。
下面示例用statmodels拟合回归，该API先接收一个公示，DataFrame是第二个参数，data。要传递函数，则要用pipe接收关键词对（sm.ols,’data’）。

unix的pipe与后来出现的dplyr及magrittr带动了pipe方法，在此，引入了R语言里用于读取pipe的操作符（%>%）。pipe的实现思路非常清晰，仿佛跟Python源生的一样。

行列级函数应用

apply()方法沿着DataFrame的轴应用函数，比如，描述性统计方法，该方法支持axis参数。