文章目录
欢迎关注公众号【Python开发实战】，免费领取Python学习电子书！
Dataframe的apply方法
apply方法介绍
方法形式为 apply(func, axis=0, raw=False, result_type=None, agrs=(), **kwargs)，沿Dataframe的轴应用func函数。
传递给函数的对象是Series对象，当axis=0时，其索引是Dataframe的索引；当axis=1时，其索引是Dataframe的列。
默认情况下，result_type=None，最终返回的类型是从func函数的返回推断出来的，否则它就取决于result_type参数。
参数解析：
- func：函数，要应用于每一列或每一行的函数。
- axis：默认为0，0对应行索引，将func函数应用于每一列；1对应列，将函数应用于每一行。
- raw：布尔值，默认为False,确定行或列是否作为Series或ndarray对象传递。
- False：将每一行或每一列作为一个Series对象传递给函数；
- True：函数将接收ndarray对象。
- result_type：可选值有expand，reduce，broadcast，None，默认为None。
- 默认为None时，返回结果取决于func函数的返回值，类似列表的结果将返回这些结果组成的Series，如果返回Series，则会将Series扩展为列。
- expand：在axis=1时其作用，类似列表的结果将变成列。
- reduce：在axis=1时其作用，如果可以，返回一个Series，而不是扩展类似列表的结果。
- broadcast：在axis=1时其作用，结果将被广播到Dataframe的原始形状，原始行索引和列将会被保留。
- args：元组，除了数组和Series之外，要传递给func的位置参数。
**kwargs：传递给func的附加关键字参数。
返回：
- func函数沿Dataframe的给定轴应用的结果。
用例1
导入包
import pandas as pd
import numpy as np
df = pd.DataFrame([[4, 9]]*3, columns=['A', 'B'])
df
输出：
使用numpy中的通用函数。
df.apply(np.sqrt)
输出：
用例2
在任一轴上应用函数, 返回由类似列表的结果组成的Series。
df.apply(np.sum, axis=0)
输出：
A 12
B 27
dtype: int64
df.apply(np.sum, axis=1)
输出：
0 13
1 13
2 13
dtype: int64
df.apply(lambda x :[1, 2], axis=1)
输出：
0 [1, 2]
1 [1, 2]
2 [1, 2]
dtype: object
用例3
传递result_type=expand，会将类似列表的结果扩展到Dataframe的列。
df.apply(lambda x : [1, 2], axis=1, result_type='expand')
输出：
在func函数内部返回一个Series，和传递result_type=expand相似，Series的索引将作为扩展的列名。
df.apply(lambda x: pd.Series([1, 2], index=['foo', 'bar']), axis=1)
输出：
传递result_type=broadcast，将会返回相同形状的结果，无论是列表还是标量，将沿轴进行广播，列的名称还是原始名称。
df.apply(lambda x: [1, 2], axis=1, result_type='broadcast')
输出：
Original: https://blog.csdn.net/qq_38727995/article/details/124459704
Author: 凯旋.Lau
Title: pandas进阶–Dataframe的apply方法
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/730158/
转载文章受原作者版权保护。转载请注明原作者出处！