python中apply函数详情

函数原型：

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

• 1.该函数最有用的是第一个参数，这个参数是函数，相当于C/C++的函数指针。
• 2.这个函数需要自己实现，函数的传入参数根据axis来定，比如axis = 1，就会把一行数据作为Series的数据
• 结构传入给自己实现的函数中，我们在函数中实现对Series不同属性之间的计算，返回一个结果，则apply函数
• 会自动遍历每一行DataFrame的数据，最后将所有结果组合成一个Series数据结构
• 并返回。
• 3.apply函数常与groupby函数一起使用，如下图所示:

• 4.举栗子

对指定列进行操作:

data=np.arange(0,16).reshape(4,4)
data=pd.DataFrame(data,columns=[编程客栈'编程客栈0','1','2','3'])
def f(x):
  return x-1
print(data)
print(data.ix[:,['1','2']].apply(f))
  0  1  2  3
0  0  1  2  3
1  4  5  6  7
2  8  9 10 11
http://www.cppcns.com3 12 13 14 15
  1  2
0  0  1
1  4  5
2  8  9
3 12 13

对行操作:

data=np.arange(0,16).reshape(4,4)
data=pd.DataFrame(data,columns=['0','1','2','3'])
def f(x):
  return x-1
print(data)
print(data.ix[[0,1],:].apply(f))
  0  1  2  3
0  0  1  2  3
1  4  5  6  7
2  8  9 10 11
3 12 13 14 15
 0 1 2 3
0 -1 0 1 2
1 3 4 5 6

整体对列操作:

data=np.arange(0,16).reshape(4,4)
data=pd.DataFrame(data,columns=['0','1','2','3'])
def f(x):
  return x.max()
print(data)
print(data.apply(f))
  0  1  2  3
0  0  1  2  3
1  4  5  6  7
2  8  9 1编程客栈0 11
3 12 13 14 15

0  12
1  13
2  14
3  15
dtype: int64

整体对行操作:

data=np.arange(0,16).reshape(4,4)
data=pd.DataFrame(data,columns=['0','1','2','3'])
def f(x):
  return x.max()
print(data)
print(data.apply(f,axis=1))
  0  1  2  3
0  0  1  2  3
1  4  5  6  7
2  8  9 10 11
3 12 13 14 15
0   3
1   7
2  11
3  15
dtype: int64

到此这篇关于python中apply函数详情的文章就介绍到这了,更多相关python中apply函数内容请搜索我们以前的文章或继续浏览下面eoqqXgR的相关文章希望大家以后多多支持我们！