下面是关于Pandas中map(),applymap(),apply()函数的使用方法的详细讲解。
map()函数
map()函数是Pandas中的一种元素级函数,它可以将函数应用于一个系列的每个元素。map()可以用于Pandas的Series或DataFrame中的一个或多个列,并返回一个新的Series或DataFrame对象。
语法
Series.map(self, arg, na_action=None)
参数
arg
:可调用的函数、字典、Series或DataFrame类型。na_action
:数值映射NaN处理方式,可选参数。取值包括{'ignore', 'raise', 'coerce'}中的一个,缺省值为None
。
示例
import pandas as pd
# 创建一个Series对象:
s = pd.Series([1, 2, 3, 4, 5])
# 使用map()函数将Series中每个元素都乘以2
s.map(lambda x: x * 2)
# 输出结果为:
# 0 2
# 1 4
# 2 6
# 3 8
# 4 10
# dtype: int64
applymap()函数
applymap()函数可以将函数应用于Pandas的DataFrame对象中的每个元素。applymap()函数将输入DataFrame中的每个元素取出来进行操作,并返回一个新的DataFrame对象。
语法
DataFrame.applymap(self, func)
参数
func
:任意可调用的函数。
示例
import pandas as pd
# 创建一个包含浮点数的DataFrame对象:
df = pd.DataFrame({'A': [1.1, 2.2, 3.3], 'B': [4.4, 5.5, 6.6]})
# 使用applymap()函数将DataFrame中每个元素都保留两位小数
df.applymap(lambda x: '%.2f' % x)
# 输出结果为:
# A B
# 0 1.10 4.40
# 1 2.20 5.50
# 2 3.30 6.60
apply()函数
Pandas的apply()函数对DataFrame的每一行或每一列应用自定义函数,并将结果合并为一个新的DataFrame。
语法
DataFrame.apply(func, axis=0)
参数
func
:任意可调用的函数。axis
:0表示对每一列应用函数,1表示对每一行应用函数。缺省值为0。
示例
import pandas as pd
# 创建一个包含两列的DataFrame对象:
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
# 使用apply()函数对DataFrame中的每一行求和
df.apply(lambda x: x.sum(), axis=1)
# 输出结果为:
# 0 5
# 1 7
# 2 9
# dtype: int64
以上是Pandas中map()、applymap()、apply()函数的使用方法。希望对您有所帮助!
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Pandas中map(),applymap(),apply()函数的使用方法 - Python技术站