pandas map, applymap and apply的用法和区别

最新推荐文章于 2023-10-30 15:48:20 发布

qq_15407209

最新推荐文章于 2023-10-30 15:48:20 发布

阅读量305

点赞数

本文链接：https://blog.csdn.net/qq_15407209/article/details/82780634

版权

最近又去pandas官网复习了map, applymap and apply的用法和区别

1.apply()

df = pd.DataFrame([[4, 9],] * 3, columns=[‘A’, ‘B’])
df
A B
0 4 9
1 4 9
2 4 9

df.apply(np.sqrt)
A B
0 2.0 3.0
1 2.0 3.0
2 2.0 3.0

df.apply(np.sum, axis=0)
A 12
B 27
dtype: int64
df.apply(np.sum, axis=1)
0 13
1 13
2 13
dtype: int64

可以看出，当想让方程作用在一维的向量上时，可以使用apply

// An highlighted blockfhgjfg
In [116]: frame = DataFrame(np.random.randn(4, 3), columns=list('bde'), index=['U', 'O', 'T', 'Or'])

In [117]: frame
Out[117]: 
               b         d         e
U   -0.029638  1.081563  1.280300
O    0.647747  0.831136 -1.549481
T    0.513416 -0.884417  0.195343
Or  -0.485454 -0.477388 -0.309548

In [118]: f = lambda x: x.max() - x.min()

In [119]: frame.apply(f)
Out[119]: 
b    1.133201
d    1.965980
e    2.829781
dtype: float64
var foo = 'bar';


# applymap()
如果想让方程作用于DataFrame中的每一个元素，可以使用applymap().用法如下所示#


In [120]: format = lambda x: '%.2f' % x

In [121]: frame.applymap(format)
Out[121]: 
            b      d      e
U    -0.03   1.08   1.28
O    0.65   0.83  -1.55
T    0.51  -0.88   0.20
Or  -0.49  -0.48  -0.31



map()
map()只要是作用将函数作用于一个Series的每一个元素，用法如下所示
In [122]: frame['e'].map(format)
Out[122]: 
U      1.28
O      -1.55
T      0.20
Or    -0.31
Name: e, dtype: object