pandas中关于apply+lambda的应用

第pandas中关于apply+lambda的应用apply(func[,args[,kwargs]])函数用于当函数参数已经存在于一个元组或字典中时，间接地调用函数。args是一个包含将要提供给函数的按位置传递的参数的元组。如果省略了args，任何参数都不会被传递，kwargs是一个包含关键字参数的字典。简单说apply()的返回值就是func()的返回值，apply()的元素参数是有序的，元素的顺序必须和func()形式参数的顺序一致，与map的区别是前者针对column，后者针对元素

lambda是匿名函数，即不再使用def的形式，可以简化脚本，使结构不冗余何简洁

a=

lambdax

:x+1

a(10)

11

两者结合可以做很多很多事情，比如split在series里很多功能不可用，而index就可以做

比如有一串数据如下，要切分为总数，正确数，正确率，则可这样做

96%(1368608/1412722)

97%(1389916/1427922)

97%(1338695/1373803)

96%(1691941/1745196)

95%(1878802/1971608)

97%(944218/968845)

96%(1294939/1336576)

importpandasaspd

#先生成一个dataframe

d={"col1":["96%(1368608/1412722)",

"97%(1389916/1427922)",

"97%(1338695/1373803)",

"96%(1691941/1745196)",

"95%(1878802/1971608)",

"97%(944218/968845)",

"96%(1294939/1336576)"]}

df1=pd.DataFrame(d)

#切分原文中识别率总数，采用apply+匿名函数

#lambda函数的意思是选取x的序列值，比如x[6:9]

#index函数的意思是把当前字符位置转变为所在位置的位数

#-1是最后一位

df1['正确数']=df1.iloc[:,0].apply(lambdax:x[x.index('(')+1:x.index('/')])

df1['总数']=df1.iloc[:,0].apply(lambdax:x[x.index('/')+1:-1])

df1['正确率']=df1.iloc[:,0].apply(lambdax:x[:x.index('(')])

df1

由一组dataframe数据，包括有数值型的三列气象要素，由这三列通过公式计算人体舒适指数

应用到的人体舒适指数计算公式：

importpandasaspd

importnumpyasnp

importmath

path='D:\\data\\57582.csv'#文件路径

data=pd.read_csv(path,index_col=0,encoding='gbk')#读取数据有中文时用gbk解码

#定义舒适指数公式函数，结果保留1位小数

defget_CHB(T,RH,S):

returnround(1.8*T-0.55*(1.8*T-26)*(1-RH/100)-3.2*math.sqrt(S)+32,1)

#增加一列CHB并计算数据后赋值

data['舒适指数']=data.apply(lambdax:get_CHB(x['平均气温'],x['平均相对湿度'],x['2M风速']),axis=1)

#打印结果

print(data)

#保存结果

data.to_csv('D:\\CHB.csv',encoding='gbk')

代码中使用了apply和lambda的组合，传入的参数x为整个data数据，在函数中引入的参数则是x[平均气温],x[平均相对湿度],x[2M风速],与自定义的函数get_CHB对应。最后需使用axis=1来指定是对列进行运算。

结果如图所示：

到