pandas计算行或者列的总和及apply函数的使用

apply 赋予了pandas非常高灵活性。特别是配合上lambda函数之后，可以简化很多程序。特别是以行或者列处理问题的时候，非常方便

简单使用

首先，构建一个dataframe

import pandas as pd
d={'one':{'a':1,'b':2,'c':3,'d':4},'two':{'a':5,'b':6,'c':7,'d':8},'three':{'a':9,'b':10,'c':11,'d':12}}
df=pd.DataFrame(d)
#构建的dataframe如下：
print(df)
   one  two  three
a    1    5      9
b    2    6     10
c    3    7     11
d    4    8     12

计算每一行的总和：

df['row_sum']=df.apply(lambda x: x.sum(),axis=1)

print(df)
   one  two  three  row_sum
a    1    5      9       15
b    2    6     10       18
c    3    7     11       21
d    4    8     12       24

计算每一列的总和：

df.loc['col_sum']=df.apply(lambda x: x.sum(),axis=0)

print(df)
         one  two  three  row_sum
a          1    5      9       15
b          2    6     10       18
c          3    7     11       21
d          4    8     12       24
col_sum   10   26     42       78

其实，计算每一列的总和还有更简便的方法：

df=pd.DataFrame(d)
df.loc['col_sum']=df.sum()
         one  two  three
a          1    5      9
b          2    6     10
c          3    7     11
d          4    8     12
col_sum   10   26     42

apply是以df中的行或者列为单位的，其实就是一个series（或者简单理解就是一个list）。当axis=0时（默认），series对应的时df中的列，axis=1时，series对应的是df中的行。

apply处理方式是函数变换。简单点讲，就是apply的括号里面对应的是一个函数。

类似的，计算每一行的平均值

对于重新构建的dataframe

df=pd.DataFrame(d)
df['row_mean']=df.apply(lambda x:x.mean(),axis=1)
print(df)
   one  two  three  row_mean
a    1    5      9       5.0
b    2    6     10       6.0
c    3    7     11       7.0
d    4    8     12       8.0

计算每一列的最大值与最小值的差

对于上面的dataframe

df=pd.DataFrame(d)
df['d_value']=df.apply(lambda x: x.max()-x.min(),axis=1)
print(df)
   one  two  three  d_value
a    1    5      9        8
b    2    6     10        8
c    3    7     11        8
d    4    8     12        8

所以，pandas series 部分的知识还是需要的

apply函数

函数说明：

DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)

apply中的func不一定是要lambda这种匿名函数，对于def定义的函数也是适用的
对于传参，args中可以设定参数，但是参数的数目比def中定义的参数少一个，因为第一个参数是来自于df中的series
此时series类似于dict的性质（还是去学series这一部分的基础吧）