【pandas】apply函数+匿名函数

1. DataFrame 的 apply() 用法

apply() 函数可以将一个函数应用于 DataFrame 的每一行或每一列，并返回一个新的 DataFrame 或 Series。

语法：

df.apply(func, axis=0, result_type=None, args=(), **kwargs)

参数：

• func: 要应用的函数。该函数可以接受一个 Series 作为参数，并返回一个值。
• axis: 指定要应用函数的方向。0 表示按行应用，1 表示按列应用。默认值为 0。
• result_type: 指定结果的类型。可以是 'expand', 'reduce', 'broadcast' 或 None。默认值为 None。
• args: 传递给函数的额外参数。
• kwargs: 传递给函数的额外关键字参数。

示例：

import pandas as pd

# 创建 DataFrame
df = pd.DataFrame({'column1': [1, 2, 3], 'column2': [4, 5, 6]})

# 将每个元素加 1
def add_one(x):
    return x + 1

df_new = df.apply(add_one)
print(df_new)

输出：

   column1  column2
0       2       5
1       3       6
2       4       7

注意：

• apply() 函数可以应用于任何类型的函数，包括 lambda 函数。
• result_type 参数用于控制结果的形状。
• args 和 kwargs 参数可以传递给函数额外的参数。

2. pandas 的 apply 用法举例

以下是一些使用 pandas.Series.apply 和 pandas.DataFrame.apply 的示例：

1. 对 Series 应用函数

import pandas as pd

# 创建一个 Series
series = pd.Series([1, 2, 3, 4, 5])

# 定义一个函数
def square(x):
    return x * x

# 使用 apply 应用函数
squared_series = series.apply(square)

# 打印结果
print(squared_series)

输出：

0     1
1     4
2     9
3    16
4    25
dtype: int64

2. 对 DataFrame 应用函数

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 定义一个函数
def multiply_columns(row):
    return row['A'] * row['B']

# 使用 apply 应用函数
result = df.apply(multiply_columns, axis=1)

# 打印结果
print(result)

输出：

0     4
1    10
2    18
dtype: int64

3. 使用 lambda 表达式

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 使用 lambda 表达式应用函数
result = df.apply(lambda row: row['A'] + row['B'], axis=1)

# 打印结果
print(result)

注意：一般来说lambda row里的row应该是一行数据（if axis=1）；一列数据（if axis=0）

输出：

0     5
1     7
2     9
dtype: int64

4. 对不同列应用不同函数

import pandas as pd

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

# 定义两个函数
def square_column_a(row):
    return row['A'] * row['A']

def multiply_columns_b_and_c(row):
    return row['B'] * row['C']

# 使用 apply 应用函数
result = df.apply(lambda row: square_column_a(row) if row['A'] > 2 else multiply_columns_b_and_c(row), axis=1)

# 打印结果
print(result)

输出：

0    16
1    25
2    42
dtype: int64