1.apply()
當想讓方程作用在一維的向量上時，可以使用apply來完成，如下所示
In [116]: frame = DataFrame(np.random.randn(4, 3), columns=list('bde'), index=['Utah', 'Ohio', 'Texas', 'Oregon'])
In [117]: frame
Out[117]:
b d e
Utah -0.029638 1.081563 1.280300
Ohio 0.647747 0.831136 -1.549481
Texas 0.513416 -0.884417 0.195343
Oregon -0.485454 -0.477388 -0.309548
In [118]: f = lambda x: x.max() - x.min()
In [119]: frame.apply(f)
Out[119]:
b 1.133201
d 1.965980
e 2.829781
dtype: float64
但是因為大多數的列表統計方程 (比如 sum 和 mean)是DataFrame的函數，所以apply很多時候不是必須的
2.applymap()
如果想讓方程作用于DataFrame中的每一個元素，可以使用applymap().用法如下所示
In [120]: format = lambda x: '%.2f' % x
In [121]: frame.applymap(format)
Out[121]:
b d e
Utah -0.03 1.08 1.28
Ohio 0.65 0.83 -1.55
Texas 0.51 -0.88 0.20
Oregon -0.49 -0.48 -0.31
3.map()
map()只要是作用將函數作用于一個Series的每一個元素，用法如下所示
In [122]: frame['e'].map(format) Out[122]: Utah 1.28 Ohio -1.55 Texas 0.20 Oregon -0.31 Name: e, dtype: object
總的來說就是apply()是一種讓函數作用于列或者行操作，applymap()是一種讓函數作用于DataFrame每一個元素的操作，而map是一種讓函數作用于Series每一個元素的操作。
以上這篇淺談Pandas中map, applymap and apply的區別就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
