Python pandas中apply函数简介以及用法详解

apply()函数是pandas库中常用的一个函数，它可以对DataFrame的某一列或某一行进行操作。本篇文章将详细讲解apply()函数的作用、语法及使用方法，并给出两个示例说明。

apply()函数的作用

apply()函数的主要作用是对DataFrame的某一列或某一行进行计算。它的返回值可以是标量、Series或DataFrame。你可以将自己编写的任何函数作为apply()函数的参数，并在该函数中对列或行进行计算。

apply()函数的语法

apply()函数的语法如下：

DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwds)

其中，参数的含义为：

• func：可以是函数、字符串函数名或可调用的Python对象。该函数将应用于每行或每列。

• axis：按行或按列应用函数,0表示按列应用函数；1表示按行应用函数。

• raw：A boolean value.如果为True，则通过传递未经包装的行/列而不是Series对象来优化。

• result_type：{'expand', 'reduce', 'broadcast', None}，默认为None。指定返回值的数据类型。expand表示返回DataFrame；reduce表示为Series；broadcast表示在传递axis=1时，每个行的函数结果沿所有列传播。None表示让pandas自行推断返回值类型。

• args：包含传递给func的位置参数的元组。

• **kwds：包含传递给func的关键字参数的字典。

apply()函数的使用方法

下面给出两个示例说明apply()函数的使用方法。

示例1：求每个学生的总成绩

在本例中，我们将使用apply()函数来计算每个学生的总成绩。首先，我们定义一个函数，该函数将一个DataFrame作为输入参数，并返回该DataFrame中每行中所有值的总和。

import pandas as pd

# 定义一个函数，计算DataFrame中每行的和
def row_sum(row):
    return row.sum()

# 定义DataFrame
df = pd.DataFrame({'语文': [90, 80, 70], '数学': [85, 95, 75], '英语': [95, 90, 80]})

# 将函数应用于每行
df['总成绩'] = df.apply(row_sum, axis=1)

print(df)

输出结果：

   语文  数学  英语  总成绩
0  90  85  95  270
1  80  95  90  265
2  70  75  80  225

在这个例子中，row_sum()函数被传递给了apply()函数，它将df的每一行都当做输入参数。apply()函数返回一个Series对象，其中包含每行的总和。最后，我们将这个Series对象赋给一个新列总成绩。

示例2：对每个元素进行相乘操作

下面让我们看一个更加实际的例子。在这个例子中，我们将会把一个由整数组成的DataFrame中的每个元素都乘以2。

import pandas as pd

# 定义函数，将一个整数乘以2
def mult_2(num):
    return num * 2

# 定义DataFrame
df = pd.DataFrame({'num1': [1, 2, 3], 'num2': [4, 5, 6], 'num3': [7, 8, 9]})

# 使用apply()对每个元素应用函数
df = df.applymap(mult_2)

print(df)

输出结果：

   num1  num2  num3
0     2     8    14
1     4    10    16
2     6    12    18

在这个例子中，我们首先定义一个将输入参数乘以2的函数。接着，我们创建一个由整数组成的DataFrame。最后，我们使用applymap()函数将mult_2()函数应用于DataFrame中的每个元素。applymap()函数返回一个新的DataFrame，其中每个元素都乘以2。

结论

在这篇文章中，我们深入学习了pandas库中的apply()函数。我们讨论了它的语法和使用方法，并通过两个示例说明了如何使用apply()函数计算每个学生的总成绩和对DataFrame中的每个元素应用函数。