pandas apply函数应用于多个列|极客教程

pandas apply函数应用于多个列

参考：pandas apply function to multiple columns

在数据分析和数据处理中，pandas库是Python中最常用和强大的工具之一。它提供了大量的功能来处理和分析数据，其中apply函数是一个非常灵活的工具，可以用来对DataFrame中的数据进行复杂的转换和操作。本文将详细介绍如何在pandas中使用apply函数对多个列进行操作，并提供多个示例代码以帮助理解和掌握其用法。

1. pandas apply函数简介

apply函数可以被用于pandas的DataFrame或Series对象上，它允许用户传递一个函数，并将这个函数应用于DataFrame的一行或一列数据上。当使用在DataFrame上时，你可以指定axis参数为0或1，分别表示函数应用于每一列或每一行。

2. 在单列上使用apply

在介绍多列操作之前，我们先来看一个基本的例子，展示如何在单个列上使用apply函数。

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A': range(1, 6),
    'B': ['pandasdataframe.com' for _ in range(5)]
})

# 定义一个简单的函数来操作列
def add_suffix(x):
    return x + "_suffix"

# 在列'A'上应用函数
df['A'] = df['A'].apply(add_suffix)
print(df)

3. 在多个列上使用apply

当需要对多个列使用相同的函数时，可以使用apply函数结合lambda表达式或者定义更复杂的函数。下面是一些示例：

示例1：对多个指定列应用同一函数

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A': ['pandasdataframe.com', 'data', 'frame'],
    'B': ['pandasdataframe.com', 'analysis', 'pandas'],
    'C': [1, 2, 3]
})

# 定义一个函数，将字符串转换为大写
def to_upper(x):
    return x.upper()

# 对列'A'和'B'应用函数
df[['A', 'B']] = df[['A', 'B']].applymap(to_upper)
print(df)

示例2：使用lambda函数对多个列进行操作

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [10, 20, 30],
    'B': [20, 30, 40],
    'C': ['pandasdataframe.com', 'example', 'test']
})

# 使用lambda函数将两列数值相加
df['A+B'] = df.apply(lambda row: row['A'] + row['B'], axis=1)
print(df)

Output:

pandas apply函数应用于多个列

示例3：条件修改多个列

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [5, 15, 25],
    'B': [10, 20, 30],
    'C': ['pandasdataframe.com', 'modify', 'columns']
})

# 定义一个函数，如果数值大于10，加10
def add_ten(x):
    return x + 10 if x > 10 else x

# 对'A'和'B'列应用条件函数
df[['A', 'B']] = df[['A', 'B']].applymap(add_ten)
print(df)

示例4：对DataFrame中选定的多个列使用不同的函数

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': ['pandasdataframe.com', 'use', 'apply']
})

# 对不同列使用不同的lambda函数
df['A'] = df['A'].apply(lambda x: x**2)
df['B'] = df['B'].apply(lambda x: x+100)
print(df)

Output:

pandas apply函数应用于多个列

示例5：结合使用apply和其他pandas函数

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [100, 200, 300],
    'B': [400, 500, 600],
    'C': ['pandasdataframe.com', 'powerful', 'tool']
})

# 使用apply结合max函数来获取每行的最大值
df['Max'] = df.apply(max, axis=1)
print(df)