一、總結
-
apply—— 應用在dataFrame上，用于對row或者column進行計算 -
applymap—— 應用在dataFrame上，元素級別的操作 -
map——python系統自帶函數，應用在series上， 元素級別的操作
二、實操對比
構建測試數據框：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
import pandas as pdimport numpy as npdf = pd.DataFrame(np.random.randint(0, 10, (4, 3)), columns=list('abc'), index=range(4))df''' a b c0 5 4 81 7 5 22 1 2 23 1 6 2''' |
apply 作用在 dataframe 上的一行或者一列上
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
#Python學習交流群：531509025# 默認按列操作 axis=0# 求每列的最大值、最小值之差df.apply(lambda x: x.max() - x.min()) # axis=0# 求每行的最大值、最小值之差df.apply(lambda x: x.max() - x.min(), axis=1) |
applymap 作用在 dataframe 的每一個元素上
|
1
2
3
|
# 偶數放大10倍df.applymap(lambda x: x*10 if x%2 == 0 else x) |
map 函數作用在 series 上的每一個元素
|
1
2
3
|
# 單獨的序列df['b'].map(lambda x: 1 if x%2 == 0 else 0) |
總的來說，要對數據進行應用函數操作時，考慮數據結構是 DataFrame 還是 Series ，再考慮是要按行執行還是按列執行，進行函數的選擇。
到此這篇關于 Python函數中apply、map、applymap的區別 的文章就介紹到這了,更多相關 Python中的apply、map、applymap內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://www.cnblogs.com/python960410445/p/15463099.html
