小案例: Pandas的apply方法

插播一条广告

Python数据挖掘与文本分析＆Stata应用能力提升与实证前沿云特训

Python部分上课时间为6月29日-7月2日，感兴趣的童鞋欢迎关注

---

pandas中有一个特别好用的apply方法，包括

• 列内计算，只对某列进行某种计算

• 列间计算，对多个列之间进行复杂的计算

下面我们看实验数据

import pandas as pd
import numpy as np

matrix = [
    ['张三', '1995-12-31', '山东', '本科'],
    ['李四', '1993-05-29', '河北', '大专'],
    ['王五', '1995-03-14', '山西', '硕士'],
    ['赵六', '1992-07-08', '内蒙古', '本科'],
]

df = pd.DataFrame(matrix, columns=['Name', 'Birthday', 'From', 'Edu'])
df

	Name	Birthday	From	Edu
0	张三	1995-12-31	山东	本科
1	李四	1993-05-29	河北	大专
2	王五	1995-03-14	山西	硕士
3	赵六	1992-07-08	内蒙古	本科

df.apply(func)或series.apply(func)

axis控制操作方向

• 0 表示列方向

• 1 表示行方向

列内计算

一般列内计算，实际上主要是对series做的操作，比如选中dataframe某列。

df['colname'].apply(func) 默认只对列方向对colname列做func操作，例如计算每个员工的出生年份、年龄。

def year(birthday):
    #截取birthday字符串的年份
    return int(birthday[:4])


#对birthday列使用year函数操作
df['Year'] = df['Birthday'].apply(year)

#年龄
df['Age'] = 2020-df['Year']

df

	Name	Birthday	From	Edu	Year	Age
0	张三	1995-12-31	山东	本科	1995	25
1	李四	1993-05-29	河北	大专	1993	27
2	王五	1995-03-14	山西	硕士	1995	25
3	赵六	1992-07-08	内蒙古	本科	1992	28

列间计算

df.apply(func, axis=1)不同列之间可以有复杂的计算，比如想计算 设计自我介绍模板

def intro(r):
    #r代指dataframe中的任意行，是series类型数据，拥有类似字典的使用方法。
    return '大家好，我是{name},\
            来自{province}省，\
            今年{age}岁了！'.format(name=r['Name'], 
                                 province=r['From'],
                                 age=r['Age'])

df['Intro'] = df.apply(intro, axis=1)
df

	Name	Birthday	From	Edu	Year	Age	Intro
0	张三	1995-12-31	山东	本科	1995	25	大家好，我是张三, 来自山东省， 今年25岁了！
1	李四	1993-05-29	河北	大专	1993	27	大家好，我是李四, 来自河北省， 今年27岁了！
2	王五	1995-03-14	山西	硕士	1995	25	大家好，我是王五, 来自山西省， 今年25岁了！
3	赵六	1992-07-08	内蒙古	本科	1992	28	大家好，我是赵六, 来自内蒙古省， 今年28岁了！

往期文章Python语法快速入门
Python网络爬虫与文本数据分析
读完本文你就了解什么是文本分析

综述:文本分析在市场营销研究中的应用
从记者的Twitter关注看他们稿件的党派倾向？

Pandas时间序列数据操作
70G上市公司定期报告数据集
文本数据清洗之正则表达式
shreport库: 批量下载上海证券交易所上市公司年报
Numpy和Pandas性能改善的方法和技巧
漂亮~pandas可以无缝衔接Bokeh
YelpDaset: 酒店管理类数据集10+G
半个小时学会Markdown标记语法