Python cudf.Series.applymap用法及代码示例

用法: Series.applymap(udf, out_dtype=None)

应用元素函数来转换列中的值。

用户函数应接受一个参数并返回结果，该结果将存储到输出系列中。除了其他简单的标量对象外，该函数不能引用全局变量。

参数：

udf：函数: 可调用的 Python 函数或已由 numba.cuda.jit 修饰的 Python 函数，用于作为设备在 GPU 上调用
out_dtype：numpy.dtype;可选的: 用于输出的 dtype。仅用于numba.cuda.jit 装饰的 udf。默认情况下，结果将具有与源相同的 dtype。

result：Series: 掩码和索引被保留。

注意：

支持的 Python 函数在

https://numba.pydata.org/numba-doc/dev/cuda/cudapysupported.html

除了这些异常：

cmath 中的数学函数不受支持，因为 libcudf 不支持复数，并且 cmath 函数的输出很可能是复数。
math 中的这五个函数不受支持，因为 numba 从它们生成多个 PTX 函数
- 数学。sin()
- 数学。cos()
- 数学。tan()
- 数学。gamma()
- 数学。lgamma()
applymap 方法不支持具有字符串 dtype 的系列。
全局变量需要在 udf 中显式地重新定义，因为 numba 认为它们是编译时常量，并且没有已知的方法来获取全局变量的值。

例子：

仅使用文字模式返回一系列布尔值。

>>> import cudf
>>> s = cudf.Series([1, 10, -10, 200, 100])
>>> s.applymap(lambda x: x)
0      1
1     10
2    -10
3    200
4    100
dtype: int64
>>> s.applymap(lambda x: x in [1, 100, 59])
0     True
1    False
2    False
3    False
4     True
dtype: bool
>>> s.applymap(lambda x: x ** 2)
0        1
1      100
2      100
3    40000
4    10000
dtype: int64
>>> s.applymap(lambda x: (x ** 2) + (x / 2))
0        1.5
1      105.0
2       95.0
3    40100.0
4    10050.0
dtype: float64
>>> def cube_function(a):
...     return a ** 3
...
>>> s.applymap(cube_function)
0          1
1       1000
2      -1000
3    8000000
4    1000000
dtype: int64
>>> def custom_udf(x):
...     if x > 0:
...         return x + 5
...     else:
...         return x - 5
...
>>> s.applymap(custom_udf)
0      6
1     15
2    -15
3    205
4    105
dtype: int64

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cudf.Series.applymap。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：