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 |