【Pandas】pandas DataFrame apply

Pandas2.2 DataFrame

Function application, GroupBy & window

方法	描述
DataFrame.apply(func[, axis, raw, …])	用于沿 DataFrame 的轴（行或列）应用一个函数

pandas.DataFrame.apply()

pandas.DataFrame.apply() 是一个非常强大的函数，用于沿 DataFrame 的轴（行或列）应用一个函数。它允许用户自定义函数来处理数据。

---

方法签名

DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), by_row='compat', engine='python', engine_kwargs=None, **kwargs)

---

参数说明

参数	类型	描述
func	function	应用在 DataFrame 每一行或每一列上的函数。
axis	{0 or ‘index’, 1 or ‘columns’}, default: 0	若为 0，函数应用于每一列；若为 1，函数应用于每一行。
raw	bool, default: False	如果为 True，则将行或列作为 NumPy 数组传入函数。否则作为 Series。
result_type	{‘expand’, ‘reduce’, ‘broadcast’, None}, default: None	控制结果的返回形式。仅当 axis=1 时有效。
args	tuple	传递给 func 的位置参数。
by_row	str	已弃用，保留用于兼容性。
engine	{‘python’}, default: ‘python’	执行引擎，当前只支持 Python。
engine_kwargs	dict, optional	传递给引擎的关键字参数。
**kwargs	任意关键字参数	会传递给 func。

---

返回值

• 如果 func 返回标量，则返回一个 Series。
• 如果 func 返回数组，则返回一个 DataFrame。

---

示例

示例1：按列计算平均值（默认 axis=0）

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

# 计算每列的平均值
result = df.apply(lambda x: x.mean())
print(result)

输出：

A    2.0
B    5.0
dtype: float64

---

示例2：按行求和（axis=1）

# 对每一行求和
result = df.apply(lambda x: x.sum(), axis=1)
print(result)

输出：

0    5
1    7
2    9
dtype: int64

---

示例3：使用 raw=True 将行转为 NumPy 数组

# 使用 NumPy 数组进行操作
result = df.apply(lambda x: x[0] + x[1], axis=1, raw=True)
print(result)

输出：

0    5
1    7
2    9
dtype: int64

---

示例4：使用 result_type='expand' 展开多个返回值

# 返回多个值并展开成多列
def my_func(row):
    return row['A'] * 2, row['B'] * 3

result = df.apply(my_func, axis=1, result_type='expand')
print(result)

输出：

   0   1
0  2  12
1  4  15
2  6  18

---

总结

• apply() 可以对 DataFrame 的行或列执行任意函数。
• 支持灵活的参数传递和结果处理。
• 常用于数据清洗、转换、特征工程等场景。