Python中apply、applymap和map的区别

浅浅的花香味﹌ 2024-03-17 15:10 68阅读 0赞

在Python数据分析中，经常使用到numpy和pandas这两个库。在这两个库中，都有apply、applymap和map三个函数。这三个函数都是用于对数据进行转换的。然而，它们的使用方式和作用范围是不同的。

1.  apply

apply函数是用于对pandas中的DataFrame和Series进行行或列级别的操作。apply接受一个由DataFrame或Series构成的二维数组，并返回一个与原始数据结构相同的新对象。可以给apply传递一个函数参数，该函数将应用于每一行或每一列的所有元素。例如：

import pandas as pd
    data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
    df = pd.DataFrame(data)
     
    # 使用lambda表达式计算每一行的和
    df.apply(lambda x: x.sum(), axis=1)

1.  applymap

applymap函数是用于对DataFrame中的每个元素应用函数。它接受一个函数参数，并将其应用于每个元素。例如：

import pandas as pd
    import numpy as np
     
    # 创建一个DataFrame
    df = pd.DataFrame(np.random.randn(3, 3))
     
    # 使用lambda表达式每个元素都加1
    df = df.applymap(lambda x:x+1)
    print(df)

1.  map

map函数是用于对pandas中的Series中的每个元素应用函数。它接受一个函数参数，并将其应用于每个元素。例如：

import pandas as pd
      
    # 创建一个Series
    s = pd.Series([1,2,3])
     
    # 使用lambda表达式每个元素都加1
    s = s.map(lambda x:x+1)
    print(s)

综上所述，apply、applymap和map三个函数在作用的对象、作用范围以及用法上都有所不同。这些函数的正确使用可以大大简化数据转换的工作。