目录
6.1 操作整个 DataFrame 的函数：.pipe()
如果想要应用自定义的函数，或者把其他库中的函数应用到 Pandas.DataFrame 对象中，有以下三种方法：
- 操作整个 DataFrame 的函数：pipe()
- 操作行或者列的函数：apply()
-
操作单一元素的函数：applymap(）
-
DataFrame 使用自定义函数
先准备数据吧
import pandas as pd
dict_data={"a":list("abcdef"),"b":list("defghi"),"c":list("ghijkl")}
df=pd.DataFrame.from_dict(dict_data)
df
得到结果
6.1 操作整个 DataFrame 的函数：.pipe()
6.1.1 .pipe() 语法
语法结构：DataFrame.pipe(func, args, *kwargs)
参数说明：
- func：一个应用于Series/DataFrame的函数，args, *kwargs都是应用于这个函数的参数
- args：迭代的参数，可选，可以是元组类型，也可以是列表类型或者其他。
- kwargs：映射的参数，可选，是一个包含关键字的字典。
返回值：返回值由 func 的返回值决定
请注意，使用.pipe(）时候，默认不会修改 DataFrame 本身
Help on method pipe in module pandas.core.generic:
pipe(func, *args, **kwargs) method of pandas.core.frame.DataFrame instance
Apply func(self, \*args, \*\*kwargs).
Parameters
----------
func : function
Function to apply to the Series/DataFrame.
~pandas.Series.
Notes
-----
Use 6.1.2 .pipe() 范例
.pipe(）的用法非常简单，先看个代码就明白了
def f(dataframe,*args,**kwargs):
for tmparg in args:
dataframe+="-"+str(tmparg)
for tmpkey,tmpvalue in kwargs.items():
dataframe+="-"+str(tmpkey)+str(tmpvalue)
return dataframe
print(df)
params_tuple=list(range(3))
params_dict={"A":1,"B":2}
df.pipe(f,*params_tuple,**params_dict)
运行结果如下：
6.2 操作行或者列的函数：.apply()
6.2.1 .apply() 语法
语法结构：DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwds)
参数说明：
- func： 一个应用于每一行或者每一列的函数。
- axis：{0 or ‘index’, 1 or ‘columns’}, 默认为 0，即对行进行操作，如果设置为 1 或者 ‘columns’ 则对列进行操作。
- raw ：布尔值，默认为 False，这个值了决定行或者列是作为 Series 还是 ndarray类型进行传递；当值为 False 时候，每一行或者每一列都作为 Series 进行传递，为 True 时候则作为 ndarray 对象进行传递。一般情况下只有你进行 NumPy 的函数活动时候，选择 True 会获得更好的性能回报。
-
result_type：{‘expand’, ‘reduce’, ‘broadcast’, None}, 默认为 None 。这个只有 axis=1，即对列 (columns) 进行操作时候才起作用。
-
‘expand’ : 类似列表 list 的结果将转换为列。
-
‘reduce’ : 如果可能，返回一个序列 series ，而不是展开类似列表 list 的结果。
这与”expand”相反。
-
‘broadcast’ : 结果将广播到数据帧的原始形状，原始索引和列将保留。
-
默认行为 ‘None’ 取决于应用函数的返回值：类似列表list的结果将作为 series 结构结果返 回。但是，如果apply函数返回一个series ，这些序列将展开为列。
-
args：元组类型，是应用于 func 的参数
- kwds：映射的参数，可选，是一个包含关键字的字典。
返回值：Series 或者 DataFrame，返回值由 func 的返回值决定
Help on method apply in module pandas.core.frame:
apply(func, axis=0, raw=False, result_type=None, args=(), **kwds) method of pandas.core.frame.DataFrame instance
Apply a function along an axis of the DataFrame.
Objects passed to the function are Series objects whose index is
either the DataFrame's index (result_type argument.
Parameters
----------
func : function
Function to apply to each column or row.
axis : {0 or 'index', 1 or 'columns'}, default 0
Axis along which the function is applied:
* 0 or 'index': apply function to each column.
* 1 or 'columns': apply function to each row.
raw : bool, default False
Determines if row or column is passed as a Series or ndarray object:
* func in addition to the
array/series.
**kwds
Additional keyword arguments to pass as keywords arguments to
func.
Returns
-------
Series or DataFrame
Result of applying 6.2.2 .apply() 范例
6.2.2.1 func
这次我想请大家先注意.apply() 的返回值 ：Series 或者 DataFrame，返回值由 func 的返回值决定
事实上，func 的特点非常重要，尤其是在和 .pipe() 做对比时候。现在以两种不同的 func 来举例说明。
第一种，func 返回值是 series 时候
def f(series):
return(series.eq('1.0'))
print("*"*30+"df 数据"+"*"*30)
print(df)
print("*"*30+"df.apply(f) 数据"+"*"*30)
print(df.apply(f))
print("*"*30+"df 数据"+"*"*30)
print(df)
运行结果如下，返回一个 DataFrame 类型的数据，没有影响原始数据
看起来和使用 .pipe() 没什么区别
第二种，func 返回值是 series 时候
def f2(series):
res="-"
return(res.join(series))
print("*"*30+"df 数据"+"*"*30)
print(df)
print("*"*30+"df.apply(f2) 数据"+"*"*30)
print(df.apply(f2))
print("*"*30+"df 数据"+"*"*30)
print(df)
这个时候运行结果是
而此时调用 .pipe() 的结果是
在这个地方，大家再体会一下下面的文字：
- 操作整个 DataFrame 的函数：pipe()
- *操作行或者列的函数：apply()
6.2.2.2 axis
axis：{0 or ‘index’, 1 or ‘columns’}, 默认为 0，即对行进行操作，如果设置为 1 或者 ‘columns’ 则对列进行操作。
6.2.2.3 args, kwds
和 .pipe() 中类似，不再赘述
6.3 操作作单一元素的函数：.applymap(）
6.3.1 .applymap(） 语法
语法结构：DataFrame.applymap(func, na_action: ‘Optional[str]’ = None)
参数说明：
func : 可调用的 python 函数, 从一个单独的值（DataFrame 的元素）返回一个单独的值 （转变后的值）。
na_action： 可选，可以是 {None, ‘ignore’}, 默认是 None。处理 NaN 变量，如果为 None 则不处理 NaN 对象，如果为’ignore’则将 NaN 对象当做普通对象带入规则。
返回值：请注意，这里同样是DataFrame。
Help on method applymap in module pandas.core.frame:
applymap(func, na_action: 'Optional[str]' = None) -> 'DataFrame' method of pandas.core.frame.DataFrame instance
Apply a function to a Dataframe elementwise.
This method applies a function that accepts and returns a scalar
to every element of a DataFrame.
Parameters
----------
func : callable
Python function, returns a single value from a single value.
na_action : {None, 'ignore'}, default None
If 'ignore', propagate NaN values, without passing them to func.
.. versionadded:: 1.2
Returns
-------
DataFrame
Transformed DataFrame.
6.3.2 .applymap(） 范例
这是合适的 func，转换后的数据元素是之前的数据元素的重复拷贝。
def f3(value):
return(value*2)
print("*"*30+"df.applymap(f3) 数据"+"*"*30)
print(df.applymap(f3))
print("*"*30+"df 数据"+"*"*30)
print(df)
运行结果为
如果想试试 na_action 用法
代码如下：
def f4(value):
if( pd.isna(value)):
return('++NaN++')
elif(pd.isnull(value)):
return('++ None ++')
else:
return(value*2)
print("*"*30+"df.applymap(f4,na_action='ignore') 数据"+"*"*30)
print(df.applymap(f4,na_action='ignore' ))
print("*"*30+"df.applymap(f4,na_action=None) 数据"+"*"*30)
print(df.applymap(f4,na_action=None)) #也就是默认的情况
运行结果如语法中所说，当 na_action = ‘ignore’ 时候，会将 NaN 值当做普通对象带入规则。
Original: https://blog.csdn.net/u010701274/article/details/121784065
Author: 江南野栀子
Title: Pandas 模块-操纵数据(6)-DataFrame 使用自定义函数
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/755585/
转载文章受原作者版权保护。转载请注明原作者出处！