pandas函数的应用和映射

import numpy as np
from pandas import Series,DataFrame
import pandas as pd

frame=DataFrame(np.random.randn(4,3),columns=list('abc'),index=[list('zxcv')])

frame
Out[7]: 
          a         b         c
z -0.291453 -1.926233  0.304532
x  0.973663  0.508755 -0.015359
c  2.001680 -0.287146 -1.017125
v -2.117478 -1.641734  2.654039

np.abs(frame)
Out[8]: 
          a         b         c
z  0.291453  1.926233  0.304532
x  0.973663  0.508755  0.015359
c  2.001680  0.287146  1.017125
v  2.117478  1.641734  2.654039

将函数应用到由各行或者各列所形成的一组数组上。DataFrame的apply方法即可实现此功能。

f = lambda x: x.max() - x.min()

frame.apply(f)#axis默认=0，别的不是很理解
Out[10]: 
a    4.119158
b    2.434987
c    3.671164
dtype: float64

frame.apply(f,axis=1)
Out[11]: 
z    2.230764
x    0.989022
c    3.018805
v    4.771516
dtype: float64

除了标量值外，传递给apply的函数还可以返回由对各值组成的Series

def f1(x):
    return Series([x.min(),x.max()],index=['min','max'])

frame.apply(f1)
Out[14]: 
            a         b         c
min -2.117478 -1.926233 -1.017125
max  2.001680  0.508755  2.654039

frame.apply(f1,axis=1)
Out[15]: 
        min       max
z -1.926233  0.304532
x -0.015359  0.973663
c -1.017125  2.001680
v -2.117478  2.654039

格式化字符串，使用applymap

format = lambda x: '%.2f' % x 

frame.applymap(format)
Out[17]: 
       a      b      c
z  -0.29  -1.93   0.30
x   0.97   0.51  -0.02
c   2.00  -0.29  -1.02
v  -2.12  -1.64   2.65

之所以叫applymap，是因为Series有一个应用于元素级函数的map方法

frame['b'].map(format)
Out[19]: 
z    -1.93
x     0.51
c    -0.29
v    -1.64
Name: b, dtype: objec