pandas的apply函数用法详解

在pandas中，apply函数常用于对DataFrame或Series中的每行或每列进行函数运算。本文将详细介绍apply函数的用法，包括基本用法和常用参数。

apply函数的基本用法

apply函数的语法如下：

DataFrame.apply(func, axis=0)
Series.apply(func)

其中，func表示需要应用到每一行或每一列的函数，axis表示沿着DataFrame或Series的行（axis=0）或列（axis=1）进行应用。

下面是一个使用apply函数的基本例子：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

def my_func(x):
    return x * 2

df.apply(my_func)

# 输出结果为：
#    A   B
# 0  2   8
# 1  4  10
# 2  6  12

这个例子中，我们通过定义一个函数my_func，将DataFrame中的每个元素都乘以2。通过调用apply函数，对DataFrame中的每个元素都进行了函数运算。

如果使用apply函数对Series进行函数运算，则可省略axis参数：

import pandas as pd

s = pd.Series([1, 2, 3])

def my_func(x):
    return x * 2

s.apply(my_func)

# 输出结果为：
# 0    2
# 1    4
# 2    6

这个例子中，我们同样通过定义my_func函数，将Series中的每个元素都乘以2。通过调用apply函数，对Series中的每个元素都进行了函数运算。

apply函数的常用参数

args参数

apply函数还可以接受一组用于函数调用的额外参数，这些参数通过args参数传递。

下面是一个使用args参数的例子：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

def my_func(x, y):
    return x + y

df.apply(my_func, args=(2,))

# 输出结果为：
#    A  B
# 0  3  6
# 1  4  7
# 2  5  8

这个例子中，我们定义了一个含有两个参数的函数my_func，将DataFrame中的每个元素都加上了2。通过调用apply函数，并将额外的参数2传递给args参数，实现了对DataFrame中的每个元素进行加2操作。

apply函数结合lambda表达式使用

在Python中，lambda表达式表示的是一种匿名函数，可以通过apply函数结合使用，进一步简化代码。

下面是一个使用lambda表达式的例子：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

df.apply(lambda x: x * 2)

# 输出结果为：
#    A   B
# 0  2   8
# 1  4  10
# 2  6  12

这个例子中，我们通过lambda表达式，将DataFrame中的每个元素都乘以2。通过调用apply函数，对DataFrame中的每个元素都进行了函数运算。

其他参数

apply函数还包含其他常用参数，如：result_type、reduce、raw等。更多参数详解可参考pandas官方文档。

apply函数的常见错误

在使用apply函数时，常见的错误包括传递的函数出现错误、传递了与函数不兼容的参数等。

下面是一个传递了错误参数的例子：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

def my_func(x, y):
    return x + y

df.apply(my_func, args=(2,3))

# 输出结果为：
# TypeError: ('my_func() takes 2 positional arguments but 3 were given',)

这个例子中，我们调用函数my_func时传递了不兼容的参数。由于my_func函数只接受两个参数，而在使用apply函数时我们传递了三个参数，所以程序报错。

结论

本文介绍了apply函数的基本用法以及常用参数，并且通过两个示例详细讲解了其具体用法。同时，还介绍了apply函数常见错误，帮助读者避免在使用apply函数时出现常见错误。