python apply和map有什么區別

這篇文章將為大家詳細講解python apply和map有什么區別，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

在Python中如果想要對數據使用函數，可以借助apply()、applymap()、map()來應用函數，括號里面可以是直接函數式，或者自定義函數（def）或者匿名函數（lambad）。

import pandas as pd
import numpy as np
from pandas import DataFrame
from pandas import Series
df1= DataFrame({
                "sales1":[-1,2,3],
                "sales2":[3,-5,7],
               })
df1

1、當我們要對數據框（DataFrame）的數據進行按行或按列操作時用apply()。

df1.apply(lambda x :x.max()-x.min(),axis=1)
#axis=1，表示按行對數據進行操作
#從下面的結果可以看出，我們使用了apply函數之后，系統自動按行找最大值和最小值計算，每一行輸出一個值

0    4

1    7

2    4

dtype: int64

df1.apply(lambda x :x.max()-x.min(),axis=0)
#默認參數axis=0,表示按列對數據進行操作
#從下面的結果可以看出，我們使用了apply函數之后，系統自動按列找最大值和最小值計算，每一列輸出一個值

sales1     4

sales2    12

dtype: int64

2、當我們要對數據框（DataFrame）的每一個數據進行操作時用applymap()，返回結果是DataFrame格式。

df1.applymap(lambda x : 1 if x>0 else 0)
#從下面的結果可以看出，我們使用了applymap函數之后，
#系統自動對每一個數據進行判斷，判斷之后輸出結果

3、當我們要對Series的每一個數據進行操作時用map()。

df1.sales1.map(lambda x : 1 if x>0 else 0)
#df1.sales1就是一個Series

0    0

1    1

2    1

Name: sales1, dtype: int64

4、總結：要對數據進行應用函數時，先看數據結構是DataFrame還是Series，Seriesj結構直接用map()，DataFrame結構的話再看是要按行還是按列進行操作來選擇對應的函數即可。

關于python apply和map有什么區別就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。