Pandas中map(),applymap(),apply()函数的使用方法

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！