1.Apply
Python中apply函数的格式为：apply(func,*args,kwargs)
当然，func可以是匿名函数。
用途：当一个函数的参数存在于一个元组或者一个字典中时，用来间接的调用这个函数，并将元组或者字典中的参数按照顺序传递给参数
解析：args是一个包含按照函数所需参数传递的位置参数的一个元组，简单来说，假如A函数的函数位置为 A(a=1,b=2),那么这个元组中就必须严格按照这个参数的位置顺序进行传递(a=3,b=4)，而不能是(b=4,a=3)这样的顺序。kwargs是一个包含关键字参数的字典，而其中args如果不传递，kwargs需要传递，则必须在args的位置留空。
apply的返回值就是函数func函数的返回值。
//也就是说，第一个参数是一个函数，第二个参数是该函数的参数列表即传入的实参，第三个是一个字典，在第二个参数没有的情况下，第三个要对应参数列表标出来。
例子：
deffunction(a,b):print(a,b)
apply(function,(‘good’,’better’))
apply(function,(2,3+6))
apply(function,(‘cai’,’quan’))
apply(function,(‘cai’,),{‘b’:’caiquan’})
apply(function,(),{‘a’:’caiquan’,’b’:’Tom’})
结果：
(‘good’, ‘better’)
(2, 9)
(‘cai’, ‘quan’)
(‘cai’, ‘caiquan’)
(‘caiquan’, ‘Tom’)
有时候，函数的参数可能是DataFrame中的行或者列。
2.DataFrame中的apply用法
#函数应用和映射
importnumpy as npimportpandas as pd
df=pd.DataFrame(np.random.randn(4,3),columns=list(‘bde’),index=[‘utah’,’ohio’,’texas’,’oregon’])print(df)”””b d e
utah -0. 1. 0.
ohio -0. -0. 0.
texas 0.043476 0. -0.
oregon 0. -2. -0.”””
#将函数应用到由各列或行形成的一维数组上。DataFrame的apply方法可以实现此功能
f=lambda x:x.max()-x.min()#默认情况下会以列为单位，分别对列应用函数
t1=df.apply(f)print(t1)
t2=df.apply(f,axis=1)print(t2)”””b 1.
d 4.
e 1.
dtype: float64
utah 2.
ohio 1.
texas 1.
oregon 2.
dtype: float64″””
#除标量外，传递给apply的函数还可以返回由多个值组成的Series
deff(x):return pd.Series([x.min(),x.max()],index=[‘min’,’max’])
t3=df.apply(f)#从运行的结果可以看出，按列调用的顺序，调用函数运行的结果在右边依次追加
print(t3)”””b d e
min -0. -2. -0.
max 0. 1. 0.”””
#元素级的python函数，将函数应用到每一个元素#将DataFrame中的各个浮点值保留两位小数
f=lambda x: ‘%.2f’%x
t3=df.applymap(f)print(t3)”””b d e
utah -0.67 1.97 0.74
ohio -0.90 -0.79 0.47
texas 0.04 0.89 -0.66
oregon 0.70 -2.24 -0.15″””
#注意，之所以这里用map,是因为Series有一个元素级函数的map方法。而dataframe只有applymap。
t4=df[‘e’].map(f)print(t4)”””utah 0.74
ohio 0.47
texas -0.66
oregon -0.15″””
//学习了，要多练习。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/220407.html原文链接：https://javaforall.net
