apply方法介紹

方法形式為 apply(func, axis=0, raw=False, result_type=None, agrs=(), **kwargs)，沿Dataframe的軸應(yīng)用func函數(shù)。

傳遞給函數(shù)的對(duì)象是Series對(duì)象，當(dāng)axis=0時(shí)，其索引是Dataframe的索引；當(dāng)axis=1時(shí)，其索引是Dataframe的列。

默認(rèn)情況下，result_type=None，最終返回的類型是從func函數(shù)的返回推斷出來的，否則它就取決于result_type參數(shù)。

參數(shù)解析：

• func：函數(shù)，要應(yīng)用于每一列或每一行的函數(shù)。
• axis：默認(rèn)為0，0對(duì)應(yīng)行索引，將func函數(shù)應(yīng)用于每一列；1對(duì)應(yīng)列，將函數(shù)應(yīng)用于每一行。
• raw：布爾值，默認(rèn)為False,確定行或列是否作為Series或ndarray對(duì)象傳遞。
  • False：將每一行或每一列作為一個(gè)Series對(duì)象傳遞給函數(shù)；
  • True：函數(shù)將接收ndarray對(duì)象。
• result_type：可選值有expand，reduce，broadcast，None，默認(rèn)為None。
  • 默認(rèn)為None時(shí)，返回結(jié)果取決于func函數(shù)的返回值，類似列表的結(jié)果將返回這些結(jié)果組成的Series，如果返回Series，則會(huì)將Series擴(kuò)展為列。
  • expand：在axis=1時(shí)其作用，類似列表的結(jié)果將變成列。
  • reduce：在axis=1時(shí)其作用，如果可以，返回一個(gè)Series，而不是擴(kuò)展類似列表的結(jié)果。
  • broadcast：在axis=1時(shí)其作用，結(jié)果將被廣播到Dataframe的原始形狀，原始行索引和列將會(huì)被保留。
• args：元組，除了數(shù)組和Series之外，要傳遞給func的位置參數(shù)。
• **kwargs：傳遞給func的附加關(guān)鍵字參數(shù)。

返回：

• func函數(shù)沿Dataframe的給定軸應(yīng)用的結(jié)果。

用例1

導(dǎo)入包

import pandas as pd
import numpy as np

df = pd.DataFrame([[4, 9]]*3,  columns=['A', 'B'])
df

輸出：

使用numpy中的通用函數(shù)。

df.apply(np.sqrt)   # 相當(dāng)于np.sqrt(df)

輸出：

用例2

在任一軸上應(yīng)用函數(shù), 返回由類似列表的結(jié)果組成的Series。

df.apply(np.sum, axis=0)

輸出：

A    12
B    27
dtype: int64

df.apply(np.sum, axis=1)

輸出：

0    13
1    13
2    13
dtype: int64

df.apply(lambda x :[1, 2], axis=1)

輸出：

0    [1, 2]
1    [1, 2]
2    [1, 2]
dtype: object

用例3

傳遞result_type=expand，會(huì)將類似列表的結(jié)果擴(kuò)展到Dataframe的列。

df.apply(lambda x : [1, 2], axis=1, result_type='expand')

輸出：

在func函數(shù)內(nèi)部返回一個(gè)Series，和傳遞result_type=expand相似，Series的索引將作為擴(kuò)展的列名。

df.apply(lambda x: pd.Series([1, 2], index=['foo', 'bar']), axis=1)

輸出：

傳遞result_type=broadcast，將會(huì)返回相同形狀的結(jié)果，無論是列表還是標(biāo)量，將沿軸進(jìn)行廣播，列的名稱還是原始名稱。

df.apply(lambda x: [1, 2], axis=1, result_type='broadcast')

輸出：

總結(jié) 

到此這篇關(guān)于pandas進(jìn)階教程之Dataframe的apply方法的文章就介紹到這了,更多相關(guān)pandas Dataframe的apply方法內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！