Pandas 函数应用,要将自定义或其他库的函数应用于Pandas对象,有三个重要的方法,下面来讨论如何使用这些方法。
使用适当的方法取决于函数是否期望在整个DataFrame
行或列或元素上进行操作。
类型 | 函数 | 说明 |
---|---|---|
表式函数应用 | pipe() |
可以通过将函数和适当数量的参数作为管道参数来执行自定义操作,从而对整个DataFrame 执行操作。 |
行列函数应用 | apply() |
沿DataFrame 或Panel 的轴应用任意函数,它与描述性统计方法一样,apply()方法使用一个可选的axis参数。 |
元素函数应用 | applymap() |
和Series上的map() 类似,接受任何Python 函数,该函数要求能够接受单个值并返回单个值。 |
表式函数应用
可以通过将函数和适当数量的参数作为管道参数来执行自定义操作,从而对整个DataFrame
执行操作。
例如,为DataFrame
中的所有元素加上一个值2
。
adder 函数
adder
函数将两个数值作为参数相加并返回总和。
我们现在将使用自定义函数在DataFrame
上执行操作
参考示例代码如下:
执行结果如下:
行或列函数应用
可以使用apply()
方法沿DataFrame
或Panel
的轴应用任意函数,它与描述性统计方法一样,apply()
方法使用一个可选的axis
参数。
默认情况下,操作按列执行,该操作按列执行,将每一列作为类似数组的列。
示例1
执行结果如下:
示例2:通过传递axis
参数,可以在行上执行操作。
执行结果如下:
示例3
执行结果如下:
元素函数应用
并不是所有的函数都可以向量化(既不返回另一个数组也不返回任何值的NumPy数组),在DataFrame
上的方法applymap()
和Series上的map()
类似,接受任何Python函数,该python函数要求能够接受单个值并返回单个值。
示例1
执行结果如下:
示例2
执行结果如下: