文章目录
概括：
apply：用在dataframe上，用于对row或者column进行计算
applymap ：用于dataframe上，是元素级别的操作
map（python自带）：用于series上，是元素级别的操作
一、apply用法
apply作用于dataframe的一行或一列上
from pandas import DataFrame
import numpy as np
df = DataFrame(data=np.random.randint(0, 10, size=(4, 4)), columns=['a', 'b', 'c', 'd'])
print(df)
a b c d
0 6 4 9 5
1 9 1 9 9
2 4 5 2 8
3 0 3 8 7
r1 = df.apply(lambda x: x.max() - x.min(), axis=0)
print(r1)
a 9
b 4
c 7
d 4
dtype: int64
r2 = df.apply(lambda x: x.max() - x.min())
print(r2)
a 9
b 4
c 7
d 4
dtype: int64
r3 = df.apply(lambda x: x.max() - x.min(), axis=1)
print(r3)
0 5
1 8
2 6
3 8
dtype: int64
拓展：applymap： 作用在dataframe的每一个元素上
r4 = df.applymap(lambda x: str(x)+'s')
print(r4)
a b c d
0 6s 4s 9s 5s
1 9s 1s 9s 9s
2 4s 5s 2s 8s
3 0s 3s 8s 7s
二、map用法
map会根据提供的函数对指定序列做映射
map(function, sequence,…)
l = [1, 2, 3, 4, 5]
r = map(lambda x: x*2, l)
print(list(r))
[2, 4, 6, 8, 10]
apply和map的区别
可以通俗的理解apply和map都为数据集迭代加工的方法
apply用在dataframe上，而map用于常规一维数据处理
使用map也可以处理dataframe数据只是会显得很冗余
- 针对电影评论数据，做日期格式处理，两种方法比较
import pandas as pd
filepath = "movie.csv"
data = pd.read_csv(filepath, names=["author", "comment", "date"], usecols=[0, 1, 2])
data['date'] = data['date'].apply(lambda x: str(x).split(' ')[0])
print(data['date'])
data['date'] = list(map(lambda x: str(x).split(' ')[0], list(data['date'])))
print(data['date'])
Original: https://blog.csdn.net/qq_44718932/article/details/120823745
Author: PENG越
Title: Python中apply和map的区别
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/674508/
转载文章受原作者版权保护。转载请注明原作者出处！