apply,applymap和map的应用
总结:
apply 用在dataframe上,用于对row或者column进行计算;
applymap 用于dataframe上,是元素级别的操作;
map (其实是python自带的)用于series上,是元素级别的操作。
在Python中如果想要对数据使用函数,可以借助apply(),applymap(),map() 来应用函数,括号里面可以是直接函数式,或者自定义函数(def)或者匿名函数(lambad)
-
import pandas
as pd
-
import numpy
as np
-
from pandas
import DataFrame
-
from pandas
import Series
-
df1= DataFrame({
-
"sales1":[
-1,
2,
3],
-
"sales2":[
3,
-5,
7],
-
})
-
df1
1、当我们要对数据框(DataFrame)的数据进行按行或按列操作时用apply()
-
df1.apply(
lambda x :x.max()-x.min(),axis=
1)
-
#axis=1,表示按行对数据进行操作
-
#从下面的结果可以看出,我们使用了apply函数之后,系统自动按行找最大值和最小值计算,每一行输出一个值
0 4 1 7 2 4 dtype: int64
-
df1.apply(
lambda x :x.max()-x.min(),axis=
0)
-
#默认参数axis=0,表示按列对数据进行操作
-
#从下面的结果可以看出,我们使用了apply函数之后,系统自动按列找最大值和最小值计算,每一列输出一个值
sales1 4 sales2 12 dtype: int64
2、当我们要对数据框(DataFrame)的每一个数据进行操作时用applymap(),返回结果是DataFrame格式
-
df1.applymap(
lambda x :
1
if x>
0
else
0)
-
#从下面的结果可以看出,我们使用了applymap函数之后,
-
#系统自动对每一个数据进行判断,判断之后输出结果
3、当我们要对Series的每一个数据进行操作时用map()
-
df1.sales1.map(
lambda x :
1
if x>
0
else
0)
-
#df1.sales1就是一个Series
0 0 1 1 2 1 Name: sales1, dtype: int64
4、总结:要对数据进行应用函数时,先看数据结构是DataFrame还是Series,Seriesj结构直接用map(),DataFrame结构的话再看是要按行还是按列进行操作来选择对应的函数即可~