pandas apply 应用套路详解

关注

发布于: 2021 年 03 月 31 日

在 DataFrame 中应用 apply 函数很常见，你使用的多吗？

在应用时，传递给函数的对象是 Series 对象，其索引是 DataFrame 的index (axis=0) 或者 DataFrame 的 columns (axis=1)。

基本语法：

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

复制代码

基本参数

func : function
应用到每行或每列的函数。
axis ：{0 or 'index', 1 or 'columns'}, default 0
函数应用所沿着的轴。
0 or index : 在每一列上应用函数。
1 or columns : 在每一行上应用函数。
raw : bool, default False
确定行或列以 Series 还是 ndarray 对象传递。
False : 将每一行或每一列作为一个 Series 传递给函数。
True : 传递的函数将接收ndarray 对象。如果你只是应用一个 NumPy 还原函数，这将获得更好的性能。
result_type : {'expand', 'reduce', 'broadcast', None}, default None
这些只有在 axis=1（列）时才会发挥作用。
expand : 列表式的结果将被转化为列。
reduce : 如果可能的话，返回一个 Series，而不是展开类似列表的结果。这与 expand 相反。
broadcast : 结果将被广播到 DataFrame 的原始形状，原始索引和列将被保留。
默认行为(None)取决于应用函数的返回值：类似列表的结果将作为这些结果的 Series 返回。但是，如果应用函数返回一个 Series ，这些结果将被扩展为列。
args : tuple
除了数组/序列之外，要传递给函数的位置参数。
**kwds
作为关键字参数传递给函数的附加关键字参数。

应用示例

>>> import pandas as pd>>> import numpy as np>>> df = pd.DataFrame([[4, 9]] * 3, columns=['A', 'B'])>>> df   A  B0  4  91  4  92  4  9

复制代码

应用 numpy 的通用函数：

>>> df.apply(np.sqrt)     A    B0  2.0  3.01  2.0  3.02  2.0  3.0

复制代码

在任一轴上使用还原函数：

>>> df.apply(np.sum, axis=0)A    12B    27dtype: int64

复制代码

>>> df.apply(np.sum, axis=1)0    131    132    13dtype: int64

复制代码

返回一个类似列表的结果是一个 Series。

>>> df.apply(lambda x: [1, 2], axis=1)0    [1, 2]1    [1, 2]2    [1, 2]dtype: object

复制代码

传递 result_type='expand' 将把类似列表的结果扩展到 Dataframe 的列中

>>> df.apply(lambda x: [1, 2], axis=1, result_type='expand')   0  10  1  21  1  22  1  2

复制代码

在函数中返回一个 Series 类似于传递 result_type='expand' 。结果的列名将是 Series 的索引。

>>> df.apply(lambda x: pd.Series([1, 2], index=['foo', 'bar']), axis=1)   foo  bar0    1    21    1    22    1    2

复制代码

传递 result_type='broadcast' 将确保函数返回与原始 DataFrame 有相同的形状结果，无论是列表式还是标量式，并且沿轴的方向广播。结果的列名将是原始的列名。

>>> df.apply(lambda x: [1, 2], axis=1, result_type='broadcast')   A  B0  1  21  1  22  1  2

复制代码

自定义函数应用框架

基本应用

# 制定自定义函数计算逻辑>>> def fx(x):...     return x * 3 + 7...# 应用自定义函数>>> df.apply(fx)    A   B0  19  341  19  342  19  34

复制代码

某列应用函数

>>> df['B'].apply(fx)0    341    342    34Name: B, dtype: int64

复制代码

某列应用函数并新增列

>>> df['new'] = df['B'].apply(fx)>>> df   A  B   new0  4  9  341  4  9  342  4  9  34

复制代码

使用列表推导式应用自定义函数

>>> df['new2'] = [x * 3 + 7 for x in df['B']]>>> df   A  B   new  new20  4  9   34    341  4  9   34    342  4  9   34    34

复制代码

-- END --

发布于: 2021 年 03 月 31 日阅读数: 8

原文链接:【http://xie.infoq.cn/article/ba6789e42744e4b49ddd40aaa】。文章转载请联系作者。

披头

关注

还未添加个人签名 2018.11.13 加入

数据科学爱好者，懂点SQL，会点Python，公众号【数据科学探究】

发布

暂无评论

创作场景

pandas apply 应用套路详解

基本语法：

基本参数

应用示例

自定义函数应用框架

基本应用

某列应用函数

某列应用函数并新增列

使用列表推导式应用自定义函数

披头

评论