迹忆客 专注技术分享

pandas.DataFrame.apply() 函数将输入函数应用于调用者 Pandas DataFrame 的每一行或每一列元素。

pandas.DataFrame.apply() 语法

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

参数

返回值

它沿着指定的轴应用输入函数后返回 DataFrame。

示例代码：DataFrame.apply() 方法

import pandas as pd

df = pd.DataFrame({'X': [1, 2, 3,],
                   'Y': [4, 1, 8]})
print(df)
modified_df=df.apply(lambda x: x**2)
print(modified_df)

输出：

   X  Y
0  1  4
1  2  1
2  3  8
   X   Y
0  1  16
1  4   1
2  9  64

我们使用 DataFrame.apply() 方法将一个 lambda 函数 lambda x: x**2 应用到 DataFrame 的所有元素。

Lambda 函数是 Python 中比较简单的函数定义方式。

lambda x: x**2 表示将 x 作为输入并返回 x**2 作为输出的函数。

示例代码：用 DataFrame.apply() 将函数应用到每一列

import pandas as pd
import numpy as np

df = pd.DataFrame({'X': [1, 2, 3,],
                   'Y': [4, 1, 8]})
print("Original DataFrame")
print(df)
modified_df=df.apply(np.sum)
print("Modified DataFrame")
print(modified_df)

输出：

Original DataFrame
   X  Y
0  1  4
1  2  1
2  3  8
Modified DataFrame
X     6
Y    13
dtype: int64

这里，np.sum 被应用到每一列，因为在这种情况下 axis=0（默认值）。

因此，在使用 df.apply() 方法后，我们得到每列中元素的总和。

import pandas as pd
df = pd.DataFrame({'X': [1, 2, 3,],
                   'Y': [4, 1, 8]})
print(df)
modified_df=df.apply(lambda x: (x**2)  if x.name == 'X' else x)
print(modified_df)

输出：

   X  Y
0  1  4
1  2  1
2  3  8
   X  Y
0  1  4
1  4  1
2  9  8

如果我们希望只将函数应用于某些列，我们使用 if 语句修改函数定义来过滤列。在本例中，函数只修改了列名为 X 的列的值。

示例代码：用 DataFrame.apply() 方法将函数应用到每一行

import pandas as pd
import numpy as np

df = pd.DataFrame({'X': [1, 2, 3,],
                   'Y': [4, 1, 8]})
print("Original DataFrame")
print(df)
modified_df=df.apply(np.sum, axis=1)
print("Modified DataFrame")
print(modified_df)

输出：

Original DataFrame
   X  Y
0  1  4
1  2  1
2  3  8
Modified DataFrame
0     5
1     3
2    11
dtype: int64

这里，np.sum 被应用于到每一行，因为我们设置了 axis=1。

因此，在使用 df.apply() 方法后，我们得到所有行的单个元素的总和。

import pandas as pd

df = pd.DataFrame({'X': [1, 2, 3,],
                   'Y': [4, 1, 8]})
print(df)
modified_df=df.apply(lambda x: (x**2)  if x.name in [0,1] else x,
                     axis=1)
print(modified_df)

输出：

   X  Y
0  1  4
1  2  1
2  3  8
   X   Y
0  1  16
1  4   1
2  3   8

如果我们希望只将函数应用于某些行，我们使用 if 语句修改函数定义来过滤行。在这个例子中，函数只修改了索引 0 和 1 的行的值，即只修改了第一行和第二行。

示例代码：DataFrame.apply() 方法，参数为 result_type

如果我们使用 result_type 参数的默认值，即 None，它将不加任何修改地返回 DataFrame。

import pandas as pd

df = pd.DataFrame({'X': [1, 2, 3,],
                   'Y': [4, 1, 8]})
print("Original DataFrame")
print(df)

modified_df=df.apply(lambda x:[1,1],axis=1)
print("Modified DataFrame")
print(modified_df)

输出：

Original DataFrame
   X  Y
0  1  4
1  2  1
2  3  8
Modified DataFrame
0    [1, 1]
1    [1, 1]
2    [1, 1]
dtype: object

在上面的例子中，每一行都被传递到函数中，并且行的值被设置为 [1,1]。

如果我们想修改函数对 DataFrame 操作后的结果类型，可以根据自己的需要设置 result_type 的值。

import pandas as pd

df = pd.DataFrame({'X': [1, 2, 3,],
                   'Y': [4, 1, 8]})
print("Original DataFrame")
print(df)

modified_df=df.apply(lambda x:[1,1],
                     axis=1,
                     result_type='expand')
print("Modified DataFrame")
print(modified_df)

输出：

Original DataFrame
   X  Y
0  1  4
1  2  1
2  3  8
Modified DataFrame
   0  1
0  1  1
1  1  1
2  1  1

设置 result_type='expand'将所有列表式的值扩展到 Dataframe 的列中。