pandas調用函數怎么用

Pandas調用函數怎么用

Pandas 是 Python 中一個強大的數據處理庫，廣泛應用于數據清洗、分析和處理。在 Pandas 中，調用函數是非常常見的操作，尤其是在對數據進行轉換、聚合或計算時。本文將詳細介紹如何在 Pandas 中調用函數，涵蓋常見的函數調用方式、應用場景以及一些高級用法。

1. Pandas 中的函數調用概述

在 Pandas 中，函數調用通常用于對 DataFrame 或 Series 中的數據進行操作。Pandas 提供了多種方式來調用函數，主要包括以下幾種：

• 直接調用內置函數：Pandas 提供了許多內置函數，如 sum()、mean()、max() 等，可以直接在 DataFrame 或 Series 上調用。
• 使用 apply() 方法：apply() 方法允許你對 DataFrame 或 Series 中的每個元素或每行/列應用自定義函數。
• 使用 map() 方法：map() 方法主要用于 Series，允許你對 Series 中的每個元素應用自定義函數。
• 使用 applymap() 方法：applymap() 方法用于對 DataFrame 中的每個元素應用自定義函數。
• 使用 agg() 方法：agg() 方法用于對 DataFrame 或 Series 進行聚合操作，可以同時應用多個函數。

接下來，我們將詳細介紹這些方法的使用。

2. 直接調用內置函數

Pandas 提供了許多內置函數，可以直接在 DataFrame 或 Series 上調用。這些函數通常用于對數據進行簡單的統計或計算。

2.1 在 Series 上調用內置函數

import pandas as pd

# 創建一個 Series
s = pd.Series([1, 2, 3, 4, 5])

# 調用內置函數
print(s.sum())  # 求和
print(s.mean())  # 求平均值
print(s.max())  # 求最大值
print(s.min())  # 求最小值

2.2 在 DataFrame 上調用內置函數

# 創建一個 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': [10, 20, 30, 40, 50]
})

# 調用內置函數
print(df.sum())  # 對每列求和
print(df.mean())  # 對每列求平均值
print(df.max())  # 對每列求最大值
print(df.min())  # 對每列求最小值

3. 使用 apply() 方法

apply() 方法是 Pandas 中最常用的函數調用方式之一。它允許你對 DataFrame 或 Series 中的每個元素、每行或每列應用自定義函數。

3.1 在 Series 上使用 apply()

# 創建一個 Series
s = pd.Series([1, 2, 3, 4, 5])

# 定義一個自定義函數
def square(x):
    return x ** 2

# 使用 apply() 方法
s_squared = s.apply(square)
print(s_squared)

3.2 在 DataFrame 上使用 apply()

# 創建一個 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': [10, 20, 30, 40, 50]
})

# 定義一個自定義函數
def sum_row(row):
    return row['A'] + row['B']

# 使用 apply() 方法對每行應用函數
df['Sum'] = df.apply(sum_row, axis=1)
print(df)

3.3 在 DataFrame 上對每列應用函數

# 定義一個自定義函數
def double_column(col):
    return col * 2

# 使用 apply() 方法對每列應用函數
df_doubled = df.apply(double_column)
print(df_doubled)

4. 使用 map() 方法

map() 方法主要用于 Series，允許你對 Series 中的每個元素應用自定義函數或映射關系。

4.1 使用 map() 方法

# 創建一個 Series
s = pd.Series([1, 2, 3, 4, 5])

# 定義一個自定義函數
def add_one(x):
    return x + 1

# 使用 map() 方法
s_plus_one = s.map(add_one)
print(s_plus_one)

4.2 使用 map() 方法進行映射

# 創建一個 Series
s = pd.Series(['a', 'b', 'c', 'd'])

# 定義一個映射關系
mapping = {'a': 1, 'b': 2, 'c': 3, 'd': 4}

# 使用 map() 方法進行映射
s_mapped = s.map(mapping)
print(s_mapped)

5. 使用 applymap() 方法

applymap() 方法用于對 DataFrame 中的每個元素應用自定義函數。

5.1 使用 applymap() 方法

# 創建一個 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': [10, 20, 30, 40, 50]
})

# 定義一個自定義函數
def square(x):
    return x ** 2

# 使用 applymap() 方法
df_squared = df.applymap(square)
print(df_squared)

6. 使用 agg() 方法

agg() 方法用于對 DataFrame 或 Series 進行聚合操作，可以同時應用多個函數。

6.1 在 Series 上使用 agg()

# 創建一個 Series
s = pd.Series([1, 2, 3, 4, 5])

# 使用 agg() 方法
result = s.agg(['sum', 'mean', 'max', 'min'])
print(result)

6.2 在 DataFrame 上使用 agg()

# 創建一個 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': [10, 20, 30, 40, 50]
})

# 使用 agg() 方法
result = df.agg(['sum', 'mean', 'max', 'min'])
print(result)

6.3 對不同列應用不同的聚合函數

# 使用 agg() 方法對不同列應用不同的聚合函數
result = df.agg({
    'A': ['sum', 'mean'],
    'B': ['max', 'min']
})
print(result)

7. 高級用法

7.1 使用 Lambda 函數

Lambda 函數是一種匿名函數，通常用于簡單的操作。在 Pandas 中，Lambda 函數可以與 apply()、map() 等方法結合使用。

# 創建一個 Series
s = pd.Series([1, 2, 3, 4, 5])

# 使用 Lambda 函數
s_squared = s.apply(lambda x: x ** 2)
print(s_squared)

7.2 使用 pipe() 方法

pipe() 方法允許你將 DataFrame 或 Series 傳遞給一個函數，并將結果返回。這種方法通常用于鏈式操作。

# 定義一個自定義函數
def add_one(df):
    return df + 1

# 使用 pipe() 方法
df_plus_one = df.pipe(add_one)
print(df_plus_one)

7.3 使用 transform() 方法

transform() 方法用于對 DataFrame 或 Series 中的每個元素應用函數，并返回與原始數據相同形狀的結果。

# 創建一個 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': [10, 20, 30, 40, 50]
})

# 使用 transform() 方法
df_transformed = df.transform(lambda x: x * 2)
print(df_transformed)

8. 總結

在 Pandas 中，調用函數是非常常見的操作，尤其是在對數據進行轉換、聚合或計算時。本文介紹了 Pandas 中常用的函數調用方式，包括直接調用內置函數、使用 apply()、map()、applymap()、agg() 等方法，以及一些高級用法如 Lambda 函數、pipe() 方法和 transform() 方法。掌握這些方法可以幫助你更高效地處理和分析數據。

希望本文對你理解 Pandas 中的函數調用有所幫助！