pandas进阶教程之Dataframe的apply方法

第pandas进阶教程之Dataframe的apply方法目录apply方法介绍用例1用例2用例3总结

apply方法介绍

方法形式为apply(func,axis=0,raw=False,result_type=None,agrs=(),**kwargs)，沿Dataframe的轴应用func函数。

传递给函数的对象是Series对象，当axis=0时，其索引是Dataframe的索引；当axis=1时，其索引是Dataframe的列。

默认情况下，result_type=None，最终返回的类型是从func函数的返回推断出来的，否则它就取决于result_type参数。

参数解析：

func：函数，要应用于每一列或每一行的函数。axis：默认为0，0对应行索引，将func函数应用于每一列；1对应列，将函数应用于每一行。raw：布尔值，默认为False,确定行或列是否作为Series或ndarray对象传递。False：将每一行或每一列作为一个Series对象传递给函数；True：函数将接收ndarray对象。result_type：可选值有expand，reduce，broadcast，None，默认为None。默认为None时，返回结果取决于func函数的返回值，类似列表的结果将返回这些结果组成的Series，如果返回Series，则会将Series扩展为列。expand：在axis=1时其作用，类似列表的结果将变成列。reduce：在axis=1时其作用，如果可以，返回一个Series，而不是扩展类似列表的结果。broadcast：在axis=1时其作用，结果将被广播到Dataframe的原始形状，原始行索引和列将会被保留。args：元组，除了数组和Series之外，要传递给func的位置参数。**kwargs：传递给func的附加关键字参数。

返回：

func函数沿Dataframe的给定轴应用的结果。

用例1

导入包

importpandasaspd

importnumpyasnp

df=pd.DataFrame([[4,9]]*3,columns=['A','B'])

输出：

使用numpy中的通用函数。

df.apply(np.sqrt)#相当于np.sqrt(df)

输出：

用例2

在任一轴上应用函数,返回由类似列表的结果组成的Series。

df.apply(np.sum,axis=0)

输出：

A12

B27

dtype:int64

df.apply(np.sum,axis=1)

输出：

013

113

213

dtype:int64

df.apply(lambdax:[1,2],axis=1)

输出：

0[1,2]

1[1,2]

2[1,2]

dtype:object

用例3

传递result_type=expand，会将类似列表的结果扩展到Dataframe的列。

df.apply(lambdax:[1,2],axis=1,result_type='expand')

输出：

在func函数内部返回一个Series，和传递result_type=expand相似，Series的索引将作为扩展的列名。

df.apply(lambdax:pd.Series([1,2],index=['foo','bar']),axis=1)

输出：

传递result_type=broadcast，将会返回相同形状的结果，无论是列表还是标量，将沿轴进行广播，列的名称还是原