1.apply()
当想让方程作用在一维的向量上时，可以使用apply来完成，如下所示
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
In [116]: frame = DataFrame(np.random.randn(4, 3), columns=list('bde'), index=['Utah', 'Ohio', 'Texas', 'Oregon'])In [117]: frameOut[117]: b d eUtah -0.029638 1.081563 1.280300Ohio 0.647747 0.831136 -1.549481Texas 0.513416 -0.884417 0.195343Oregon -0.485454 -0.477388 -0.309548In [118]: f = lambda x: x.max() - x.min()In [119]: frame.apply(f)Out[119]: b 1.133201d 1.965980e 2.829781dtype: float64 |
但是因为大多数的列表统计方程 (比如 sum 和 mean)是DataFrame的函数，所以apply很多时候不是必须的
2.applymap()
如果想让方程作用于DataFrame中的每一个元素，可以使用applymap().用法如下所示
|
1
2
3
4
5
6
7
8
|
In [120]: format = lambda x: '%.2f' % xIn [121]: frame.applymap(format)Out[121]: b d eUtah -0.03 1.08 1.28Ohio 0.65 0.83 -1.55Texas 0.51 -0.88 0.20Oregon -0.49 -0.48 -0.31 |
3.map()
map()只要是作用将函数作用于一个Series的每一个元素，用法如下所示
|
1
2
3
4
5
6
7
|
In [122]: frame['e'].map(format)Out[122]: Utah 1.28Ohio -1.55Texas 0.20Oregon -0.31Name: e, dtype: object |
总的来说就是apply()是一种让函数作用于列或者行操作，applymap()是一种让函数作用于DataFrame每一个元素的操作，而map是一种让函数作用于Series每一个元素的操作。
以上这篇浅谈Pandas中map, applymap and apply的区别就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/u010814042/article/details/76401133
