Pandas中的map(), apply()和applymap()的区别

本文主要是介绍Pandas中的map(), apply()和applymap()的区别，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

将一个自定义的函数应用到Pandas的数据结构中可以使用map(), apply()或者applymap()，它们的区别在于应用的对象不同。

apply()和applymap()是DataFrame结构中的函数，Series中没有。它们的区别在于，apply()将一个函数作用于DataFrame中的每个行或者列，而applymap()是将函数做用于DataFrame中的所有元素(elements)。

apply() 当想让方程作用在一维的向量上时，可以使用apply来完成

Python

In [6]: from <span class="wp_keywordlink_affiliate"><a href="https://www.168seo.cn/tag/pandas" title="View all posts in pandas" target="_blank">pandas</a></span> import DataFrame In [7]: import numpy as np In [8]: frame = DataFrame(np.random.randn(4, 3), columns=list('bde'), index=['Ut ...: ah', 'Ohio', 'Texas', 'Oregon']) In [9]: frame Out[9]: b d e Utah 1.646124 -0.843271 -0.253782 Ohio -0.965261 0.254368 -0.173054 Texas -0.927661 -0.558319 -0.838144 Oregon -1.410459 -1.901251 1.199630 In [10]: f = lambda x: x.max() - x.min() In [11]: frame.apply(f) Out[11]: b 3.056583 d 2.155619 e 2.037774 dtype: float64

In [ 6 ] : from pandas import DataFrame

In [ 7 ] : import numpy as np

In [ 8 ] : frame = DataFrame ( np . random . randn ( 4 , 3 ) , columns = list ( 'bde' ) , index = [ 'Ut

...: ah' , 'Ohio' , 'Texas' , 'Oregon' ] )

In [ 9 ] : frame

Out [ 9 ] :

b d e

Utah 1.646124 - 0.843271 - 0.253782

Ohio - 0.965261 0.254368 - 0.173054

Texas - 0.927661 - 0.558319 - 0.838144

Oregon - 1.410459 - 1.901251 1.199630

In [ 10 ] : f = lambda x : x . max ( ) - x . min ( )

In [ 11 ] : frame . apply ( f )

Out [ 11 ] :

b 3.056583

d 2.155619

e 2.037774

dtype : float64

map()只要是作用将函数作用于一个Series的每一个元素，用法如下所示

map() 是一个Series的函数，DataFrame结构中没有map()。map()将一个自定义函数应用于Series结构中的每个元素(elements)。

Python

In [122]: frame['e'].map(format) Out[122]: Utah 1.28 Ohio -1.55 Texas 0.20 Oregon -0.31 Name: e, dtype: object

In [ 122 ] : frame [ 'e' ] . map ( format )

Out [ 122 ] :

Utah 1.28

Ohio - 1.55

Texas 0.20

Oregon - 0.31

Name : e , dtype : object

applymap()如果想让方程作用于DataFrame中的每一个元素，可以使用applymap().用法如下所示

Python

In [120]: format = lambda x: '%.2f' % x In [121]: frame.applymap(format) Out[121]: b d e Utah -0.03 1.08 1.28 Ohio 0.65 0.83 -1.55 Texas 0.51 -0.88 0.20 Oregon -0.49 -0.48 -0.31