传媒的域名做个什么网站,哈尔滨建站服务网站开发,软文写作平台,xml网站地图每天更新文章目录 1. Series的apply方法2. DataFrame的apply方法2.1 针对列使用apply2.2 针对行使用apply Pandas提供了很多数据处理的API,但当提供的API不能满足需求的时候,需要自己编写数据处理函数, 这个时候可以使用apply函数apply函数可以接收一个自定义函数, 可以将DataFrame的行… 文章目录 1. Series的apply方法2. DataFrame的apply方法2.1 针对列使用apply2.2 针对行使用apply Pandas提供了很多数据处理的API,但当提供的API不能满足需求的时候,需要自己编写数据处理函数, 这个时候可以使用apply函数apply函数可以接收一个自定义函数, 可以将DataFrame的行/列数据传递给自定义函数处理 apply函数类似于编写一个for循环,遍历行/列的每一个元素,但比使用for循环效率高很多
1. Series的apply方法
单个参数的apply自定义函数使用方法
import pandas as pd
# 1. 数据准备
df pd.DataFrame({a:[10,20,30],b:[20,30,40]
})
# 2. 函数定义
def my_sq(x):求平方return x**2
# 3. 调用apply并传入函数对象
sq df[a].apply(my_sq)
0 100
1 400
2 900
Name: a, dtype: int64多个参数的apply自定义函数使用方法
# 1. 定义一个函数包含两个参数
def my_exp(x,e):return x**e
# 2. 使用apply调用函数并使用键值对的方式传入参数
ex df[a].apply(my_exp,e2)2. DataFrame的apply方法
DataFrame的apply自定义函数和Series自定义行数使用方法并无明显区别但是二者的工作原理不同。
# df和my_sq在上文定义
df.apply(my_sq)
a b
0 100 400
1 400 900
2 900 1600Series的apply自定义方法是针对每个元素调用函数 而DataFrame的apply自定义方法是针对DF的行或者列调用函数具体是针对行还是针对列要取决于传入的参数。 apply函数有axis参数当
axis0默认值时默认针对每一列调用自定义函数axis1时针对每一行调用自定义函数
2.1 针对列使用apply
def avg_3_apply(col):x col[0]y col[1]z col[2]return (xyz)/3# axis 0 是默认的不需要传参
df.apply(avg_3_apply)
a 20.0
b 30.0
dtype: float642.2 针对行使用apply
def avg_2_apply(row):x row[0]y row[1]return (x y) / 2df.apply(avg_2_apply, axis1)
0 15.0
1 25.0
2 35.0
dtype: float64
