- apply 用在dataframe上,用于对row或者column进行计算
- applymap: 作用在dataframe的每一个元素上
- map (其实是python自带的)用于series上,是元素级别的操作,map 跟apply 功能类似,用法差不多
import pandas as pd
data=pd.DataFrame({‘user_id’:[‘Adff’,‘B’,‘C’,‘D’],‘score’:[13,23,57,89]})
print(data)
运行结果:
user_id | score | |
---|---|---|
0 | 13 | Adff |
1 | 23 | B |
2 | 57 | C |
3 | 89 | D |
apply 用在dataframe上,用于对row或者column进行计算
data[‘score2’]=data[‘score’].apply(lambda x:x+6)
print(data)
运行结果:
score | user_id | score2 | |
---|---|---|---|
0 | 13 | Adff | 19 |
1 | 23 | B | 29 |
2 | 57 | C | 63 |
3 | 89 | D | 95 |
applymap: 作用在dataframe的每一个元素上
data2=data.ix[:,[‘score’,‘score2’]]
data3=data2.applymap(lambda x:x+1)
print(data3)
运行结果:
score | score2 | |
---|---|---|
0 | 14 | 20 |
1 | 24 | 30 |
2 | 58 | 64 |
3 | 90 | 96 |
map (其实是python自带的)用于series上,是元素级别的操作,map 跟apply 功能类似,用法差不多
data[‘length’]=data[‘user_id’].map(lambda x:len(x))
data[‘length2’]=data[‘user_id’].apply(lambda x:len(x))
print(data)
运行结果:
score | user_id | score2 | length | length2 | |
---|---|---|---|---|---|
0 | 13 | Adff | 19 | 4 | 4 |
1 | 23 | B | 29 | 1 | 1 |
2 | 57 | C | 63 | 1 | 1 |
3 | 89 | D | 95 | 1 | 1 |