pandas map与apply

pandas.Series.map()是对python原生map的封装。

可以区别传入的是dict还是func。

 

如果是dict，和python原生map一致，逐个将series的元素作为key从dict中取值。

如果是func，则是逐个将series的元素，作为input输入func中，取得返回值。

 

map是对Series的，所以只能df['某一列'].map(dict or func)。

apply是对Dataframe的，所以只能df.apply(func,axis)。

 

apply通过设置axis=1（每次给一行，可以对该行的列访问），axis=0（每次给一列，可以对该列的每行访问），来实现【类似于series】的操作。

值得一提的是，在axis=1时，依然可以将第i行视为一个小的dataframe，能使用column属性。

df['round'] = df.apply(
    lambda x: get_round(x['change_type'], x['price'], x['changed']),
    axis=1)

例子来源于

@诸葛老刘 ，《pandas map(), apply(), applymap() 区别解析，https://blog.csdn.net/weixin_39791387/article/details/81487549

 

map和apply都支持lambda匿名函数。

apply中的匿名函数，是将每一行（或者每一列）作为输入，取决于axis参数的值。 上文已给sample。

map中的匿名函数，是将series的每一个元素作为输入。

 

举例：

将time这一列的元素逐个输入，获取“日”这个数据。

df['day'] = df['time'].map(lambda x: time.localtime(x).tm_mday)