1.apply()

當(dāng)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]: frameOut[117]:         b     d     eUtah  -0.029638 1.081563 1.280300Ohio  0.647747 0.831136 -1.549481Texas  0.513416 -0.884417 0.195343Oregon -0.485454 -0.477388 -0.309548In [118]: f = lambda x: x.max() - x.min()In [119]: frame.apply(f)Out[119]: b  1.133201d  1.965980e  2.829781dtype: float64

但是因為大多數(shù)的列表統(tǒng)計方程 (比如 sum 和 mean)是DataFrame的函數(shù)，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' % xIn [121]: frame.applymap(format)Out[121]:       b   d   eUtah  -0.03  1.08  1.28Ohio   0.65  0.83 -1.55Texas  0.51 -0.88  0.20Oregon -0.49 -0.48 -0.31

3.map()

map()只要是作用將函數(shù)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    1.28Ohio   -1.55Texas   0.20Oregon  -0.31Name: e, dtype: object

總的來說就是apply()是一種讓函數(shù)作用于列或者行操作，applymap()是一種讓函數(shù)作用于DataFrame每一個元素的操作，而map是一種讓函數(shù)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(qū)別就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持武林站長站。