Pandas-高级处理（六）：map()【将自定义函数作用于Series的每个元素】、apply()【将自定义函数作用于DF的行或者列】、applymap()函数【将自定义函数作用于DF的所有元素】

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：