最近在查看网上关于pandas DataFrame使用map, apply和applymap的说明时，发现许多博文未能写清楚关键点。这里整理一下每个函数的使用范围和适用情况。
首先明确一点， DataFrame 是没有 map 函数的，只有 Series 有。 DataFrame 的单列/行是一个 Series ，所以 map 可以实现单列/行的操作。
例1，字典替换DataFrame中的行或者列
以下是使用举例：用字典替换列 a中的值，以及对行 2进行判断填充。
df = pd.DataFrame(np.arange(12).reshape(3,4), columns=list('abcd'))
df
>>> a b c d
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
df['a'] = df['a'].map({0:0, 4:10, 8:4})
df
>>> a b c d
0 0 1 2 3
1 10 5 6 7
2 4 9 10 11
df.loc[2] = df.loc[2].map(lambda x: x if x>9 else 9-x)
df
>>> a b c d
0 0 1 2 3
1 10 5 6 7
2 5 0 10 11
例2，groupby得到的字典替换DataFrame中groupby的列
df = pd.DataFrame({'c1':['a', 'a', 'a', 'b', 'b', 'b'],
'c2':['c', 'd', 'd', 'e', 'f', 'f'],
'c3':[1, 2, 3, 4, 5, 6],
'c4': np.random.randn(6)
})
df.groupby('c1')['c3'].mean()
>>> c1
a 2
b 5
Name: c3, dtype: int64
df['c1'].map(df.groupby('c1')['c3'].mean())
>>>0 2
1 2
2 2
3 5
4 5
5 5
Name: c1, dtype: int64
DataFrame的apply函数可以实现对多列，多行的操作。 需要记住的是，参数axis设为1是对列进行操作，参数axis设为0是对行操作。默认是对行操作。 以下是多列和多行操作的举例：
现有如下一个 DataFrame:
np.random.seed(1)
df = pd.DataFrame(np.random.randn(4,2), columns=['A', 'B'])
df
>>> A B
0 1.624345 -0.611756
1 -0.528172 -1.072969
2 0.865408 -2.301539
3 1.744812 -0.761207
对多列进行操作
对 A, B两列操作，生成 C列, 其中 C是字符串，由 A ± B组成
df['C'] = df.apply(lambda x: '{:.2f}±{:.2f}'.format(x['A'], x['B']), axis=1)
df
>>> A B C
0 1.624345 -0.611756 1.62±-0.61
1 -0.528172 -1.072969 -0.53±-1.07
2 0.865408 -2.301539 0.87±-2.30
3 1.744812 -0.761207 1.74±-0.76
result_type=expand 的神奇用法
apply中有一个参数是 result_type，如果将其设成 expand，可以返回多列/多行结果。具体看以下实例：
import numpy as np
import pandas as pd
df = pd.DataFrame(np.arange(12).reshape(3,4), columns=list('abcd'))
df.apply(lambda x:[x['a']+1, x['c']+2], axis=1, result_type="expand")
>>> 0 1
0 1 3
1 5 7
2 9 11
df.apply(lambda x:[x['a']+1, x['c']+2], axis=1, result_type="reduce")
>>>
0 [1, 4]
1 [5, 8]
2 [9, 12]
dtype: object
df.apply(lambda x:(x[0]+1, x[1]+2), axis=0, result_type="expand")
>>> a b c d
0 1 2 3 4
1 6 7 8 9
对多行进行操作
df.loc[10] = df.apply(lambda x: '{:.2f}±{:.2f}'.format(x[2], x[3]) )
df
>>> A B
0 1.624345 -0.611756
1 -0.528172 -1.072969
2 0.865408 -2.301539
3 1.744812 -0.761207
10 0.87±1.74 -2.30±-0.76
如果是对所有元素进行一个操作的话，可以使用 applymap。
df = pd.DataFrame(np.arange(12).reshape(3,4), columns=list('abcd'))
df = df.applymap(lambda x: x if x>6 else 6-x)
df
>>> a b c d
0 6 5 4 3
1 2 1 0 7
2 8 9 10 11
Original: https://blog.csdn.net/weixin_39925939/article/details/121881550
Author: 每天都想躺平的大喵
Title: Python pandas使用map, apply和applymap实现对DataFrame进行单列/行，多列/行，以及所有元素的操作
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/737974/
转载文章受原作者版权保护。转载请注明原作者出处！