apply map applymap lambda 的区别：

Pandas里三种调用函数应用的方法：（主要函数apply applymap lambda）

                 1：apply作用于DF的列或行  当想让方程作用在一维的向量上时，可以使用apply来完成， 最常用

                 2：applymap作用于DF的所有元素  如果想让方程作用于DataFrame中的每一个元素，可以使用applymap().

                 3：map作用于Series的所有元素   map()只要是作用将函数作用于一个Series的每一个元素， (只能用于series )

  

1 lambda
lambda原型为：lambda 参数:操作(参数)

lambda函数也叫匿名函数，即没有具体名称的函数，它允许快速定义单行函数，可以用在任何需要函数的地方。这区别于def定义的函数。

lambda与def的区别：

1）def创建的方法是有名称的，而lambda没有。

2）lambda会返回一个函数对象，但这个对象不会赋给一个标识符，而def则会把函数对象赋值给一个变量（函数名）。

3）lambda只是一个表达式，而def则是一个语句。

4）lambda表达式” : “后面，只能有一个表达式，def则可以有多个。

5）像if或for或print等语句不能用于lambda中，def可以。

6）lambda一般用来定义简单的函数，而def可以定义复杂的函数。

2 Apply
Python中apply函数的格式为：apply(func,*args,**kwargs)

当然，func可以是匿名函数。

用途：当一个函数的参数存在于一个元组或者一个字典中时，用来间接的调用这个函数，并将元组或者字典中的参数按照顺序传递给参数

解析：args是一个包含按照函数所需参数传递的位置参数的一个元组，简单来说，假如A函数的函数位置为 A(a=1,b=2),那么这个元组中就必须严格按照这个参数的位置顺序进行传递(a=3,b=4)，而不能是(b=4,a=3)这样的顺序。kwargs是一个包含关键字参数的字典，而其中args如果不传递，kwargs需要传递，则必须在args的位置留空。

apply的返回值就是函数func函数的返回值。

import pandas as pd 
import numpy as np
frame = pd.DataFrame(np.random.randn(4, 3), columns=list('abc'), index=['lol', 'dnf', 'wow', 'cf'])

	a	b	c
lol	0.789766	0.259314	0.810298
dnf	-0.568481	-1.143062	1.093678
wow	-0.249588	-0.460427	-0.361343
cf	-0.326269	-0.694916	0.725141

 

frame.iloc[:,0].apply(lambda x : x +1)

 

lol    1.789766
dnf    0.431519
wow    0.750412
cf     0.673731
Name: a, dtype: float64

frame.iloc[0,:].apply(lambda x : x +1)

 

a    1.789766
b    1.259314
c    1.810298
Name: lol, dtype: float64

frame.applymap(lambda x : x*2)

 

	a	b	c
lol	1.579531	0.518627	1.620596
dnf	-1.136961	-2.286124	2.187356
wow	-0.499176	-0.920853	-0.722686
cf	-0.652538	-1.389832	1.450281