一、map
map()是Series对象的一个函数,DataFrame中没有map(),map()的功能是将一个自定义函数作用于Series对象的每个元素。
现在使用map()函数来将data1这一列的数据改为保留三位小数显示
df['data1'] = df['data1'].map(lambda x : "%.3f"%x)
二、apply
apply()函数的功能是将一个自定义函数作用于DataFrame的行或者列
eg:现在使用apply()对data1和data2相加
运行结果:
df.loc['total'] = df[['data1','data2']].apply(lambda x : x.sum(), axis = 0) #注意索引行必须用loc
1、apply案例01
import pandas as pd
import time
# 使用pandas加载csv文件
pd_file = pd.read_csv("raw_data.csv", encoding='utf-8')
# 介绍数据集各列的数据类型,是否为空值,内存占用情况
pd_file.info()
# 主要介绍数据集各列的数据统计情况(最大值、最小值、标准偏差、分位数等等)
pd_file.describe()
# 查看pd_file文件数据
pd_file
# 将‘时间’列的int64类型的时间样式数据(20211215235920)转为object类型的时间样式数据(2021-12-15 23:59:20)
pd_file['时间_Temp'] = pd_file['时间'].apply(lambda x:time.strftime('%Y-%m-%d %H:%M:%S', time.strptime(str(x),'%Y%m%d%H%M%S')))
pd_file.info()
pd_file
三、applymap
applymap()函数的功能是将自定义函数作用于DataFrame的所有元素
eg:现在将DataFrame的所有元素前面加字符#
1 def add(n):
2 return '#' + str(n)
3 df.applymap(add)
运行结果: