pandas的apply函数使用

这个函数很有用,隔一段时间不用就老忘记,在这里举例总结一下。

apply函数可以对DataFrame对象进行操作,既可以作用于一行或一列的元素。

使用例子

1、常常作用于列元素

问题一:sales是一个Dataframe表格,它有一列叫distance(每一个值为"1.5km"、“5.0km"这种长相)。请把每一个值变成"1.5”、"5.0"这种长相。

def fun(x):
	return str(x).split('k')[0]
	
sales['distance']= sales['distance'].apply(fun)

问题二:sales有一个列叫date(string类型)。把date的类型从string转换成datetime。
这个我们就可以用apply函数。

from datetime import datetime

def f(x):
	dt= datetime.strptime(x,'%Y.%m.%d')#字符串'2018.10.01' must match format '%Y.%m.%d'  写成'%Y/%m/%d'将是不匹配的,出错
	return dt
	
sales.date= sales.date.apply(f)

其中datetime的strptime():实现将字符串转换成指定格式的datetime。

可以看到,我们可以用apply函数给date列的每一个值进行操作。对每一个值的操作是转换类型trans实现的,我们只需把trans函数名作为参数传入apply()即可。

2、apply也可以应用于行元素

给apply()加上参数axis=1,可以试试。

pandasapply函数是一个非常有用的函数,它可以将一个自定义的函数应用到DataFrame或Series的每一行或每一个元素上。通过apply函数,我们可以对数据进行自定义的操作和转换。 apply函数的基本语法是:df.apply(func, axis=0/1) 其中,func是我们自定义的函数,可以是一个lambda表达式或者普通的函数。axis参数指定了应用函数的方向,axis=0表示按列应用函数,axis=1表示按行应用函数。 当我们使用apply函数时,它会遍历DataFrame或Series的每一行或每一个元素,并将其作为参数传递给我们定义的函数。然后,我们可以在函数中对数据进行处理、计算或其他操作,并返回处理后的结果。 下面是一个示例,展示了如何使用apply函数计算DataFrame中每一行的和: ```python import pandas as pd # 创建一个示例DataFrame data = {'A': [1, 2, 3], 'B': [4, 5, 6]} df = pd.DataFrame(data) # 定义一个函数,计算每一行的和 def row_sum(row): return row['A'] + row['B'] # 使用apply函数应用row_sum函数到每一行 df['Sum'] = df.apply(row_sum, axis=1) print(df) ``` 输出结果为: ``` A B Sum 0 1 4 5 1 2 5 7 2 3 6 9 ``` 这里,我们定义了一个函数row_sum,它接收一个参数row,表示DataFrame中的每一行。在函数中,我们通过row['A']和row['B']分别获取每一行的'A'列和'B'列的值,并将它们相加作为结果返回。然后,我们使用apply函数将row_sum函数应用到每一行,并将计算结果存储在新的'Sum'列中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值