Pandas 教程-Pandas DataFrame.apply()
点击关注 👉约 3 分钟Pandas apply() 函数允许用户传递一个函数，并将其应用于 Pandas series 的每个单个值。这个函数改进了 panda 库的功能，因为它有助于根据所需的条件对数据进行分离。因此，它可以有效地用于数据科学和机器学习。
要传递给函数的对象是Series 对象，其索引要么是 DataFrame 的索引，即 axis=0，要么是 DataFrame 的列，即 axis=1。默认情况下，result_type=None，最终的返回类型是从应用的函数的返回类型推断出的。否则，它取决于 result_type 参数。
语法:
DataFrame.apply(func, axis=0, broadcast=None, raw=False, reduce=None, result_type=None, args=(), **kwds)
参数:
func: 要应用于每列或每行的函数。
axis:{0 或 'index'，1 或 'columns'}，默认值为 0
这是要应用函数的轴。它可以有两个值：
0 或 'index'：它将函数应用于每一列。
1 或 'columns'：它将函数应用于每一行。
broadcast: 这是一个可选参数，返回布尔值。 仅适用于聚合函数： False 或 None：返回的 Series 的长度将是索引长度或基于 axis 参数的列数。 True：结果将被广播到框架的原始形状；原始索引和列将被保留。
raw: bool，默认值为 False False：将每行或每列作为 Series 传递给函数。 True：传递的函数将接收 ndarray 对象。如果应用 NumPy 缩减函数，则会获得更好的性能。
reduce: bool 或 None，默认值为 None 它尝试应用缩减过程。如果 DataFrame 为空，则 apply 将使用 reduce 来确定结果是 Series 还是 DataFrame。 默认情况下，reduce=None，通过在空 Series 上调用 func 来猜测 apply 的返回值（注意：所有由 func 提出的异常在猜测时将被忽略）。如果 reduce=True，则始终返回 Series，而 reduce=False，始终返回 DataFrame。
result_type: {'expand'，'reduce'，'broadcast'，None}，默认值为 None 这些只在 axis=1（columns）时起作用： 'expand'：它定义了要转换为列的列表形式的结果。 'reduce'：它是 'expand' 的相反。如果可能，它返回一个 Series 而不是扩展列表形式的结果。 'broadcast'：它将结果广播到 DataFrame 的原始形状，原始索引和列将被保留。 默认值 None 取决于应用函数的返回值，即以 Series 形式返回的类似列表的结果。 如果 apply 返回一个 Series，则会展开到列中。
args: 这是一个传递给 func 的位置参数，除了数组/系列之外。
**kwds: 这是一个可选的关键字参数，用于作为关键字参数传递给 func。
专属福利 👉点击领取：最全Python资料合集
返回值:
它返回 DataFrame 沿给定轴应用 func 的结果。
示例:
info = pd.DataFrame([[2, 7]] * 4, columns=['P', 'Q'])info.apply(np.sqrt)info.apply(np.sum, axis=0)info.apply(np.sum, axis=1)info.apply(lambda x: [1, 2], axis=1)info.apply(lambda x: [1, 2], axis=1, result_type='expand')info.apply(lambda x: pd.Series([1, 2], index=['foo', 'bar']), axis=1)info.apply(lambda x: [1, 2], axis=1, result_type='broadcast')info
A B0 2 71 2 72 2 73 2 7
热门推荐