map(), apply()和applymap()的区别与应用

map(), apply()和applymap()的区别与应用

总结：

1.apply()是一种让函数作用于DataFrame中行或列的操作。 2.applymap()是一种让函数作用于DataFrame每一个元素的操作。 3.map()是一种让函数作用于Series每一个元素的操作。

apply()、map()和applymap()的区别就在于应用场景的不同

1.apply()

apply()将一个函数作用于DataFrame中的行或列，如下所示

import pandas as pdimport numpy as npframe = pd.DataFrame(np.random.randn(4, 3),columns=list('bde'),index=['Utah', 'Ohio', 'Texas', 'Oregon'])frameb d eUtah -0.774163 0.224804 -0.715506Ohio -0.678502 -1.864374 -0.652795Texas 1.282988 -0.801617 -0.339106Oregon -1.077619 0.415863 0.454939f = lambda x: x.max() - x.min()frame.apply(f)b 2.360607d 2.280237e 1.170445dtype:

2.applymap()

applymap()则作用于DataFrame中的每一个元素，如下所示

import pandas as pdimport numpy as npframe = pd.DataFrame(np.random.randn(4, 3),columns=list('bde'),index=['Utah', 'Ohio', 'Texas', 'Oregon'])import pandas as pdimport numpy as np#小数点后的2代表2位小数format = lambda x: '%.2f' % xframe.applymap(format)b d eUtah -0.10 -0.97 0.08Ohio -1.33 1.58 1.43Texas -0.62 0.29 -0.54Oregon -1.80 -1.08 -1.13

3.map() map()是一个Series的函数，DataFrame结构中无法使用map()。map()则是将函数作用于Series中的每一个元素，如下所示

import pandas as pdimport numpy as npframe = pd.DataFrame(np.random.randn(4, 3),columns=list('bde'),index=['Utah', 'Ohio', 'Texas', 'Oregon'])format = lambda x: '%.2f' % xframe['e'].map(format)Utah 0.92Ohio -0.74Texas 1.29Oregon -0.45Name: e, dtype: object

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。