Python dask.dataframe.Series.apply用法及代码示例

用法:
Series.apply(func, convert_dtype=True, meta='__no_default__', args=(), **kwds)

pandas.Series.apply 的并行版本

参数：

func：函数: 申请函数
convert_dtype：布尔值，默认 True: 尝试为元素函数结果找到更好的 dtype。如果为 False，则保留为 dtype=object。
meta：pd.DataFrame、pd.Series、dict、可迭代、元组、可选: 与输出的 dtypes 和列名匹配的空 pd.DataFrame 或 pd.Series。此元数据对于 dask 数据帧中的许多算法起作用是必需的。为了便于使用，还提供了一些替代输入。可以提供 {name: dtype} 的 dict 或 (name, dtype) 的可迭代对象，而不是 DataFrame (请注意，名称的顺序应与列的顺序匹配)。可以使用(name, dtype) 的元组代替系列。如果未提供，dask 将尝试推断元数据。这可能会导致意外结果，因此建议提供meta。有关详细信息，请参阅 dask.dataframe.utils.make_meta 。
args：元组: 除了值之外，要传递给函数的位置参数。
Additional keyword arguments will be passed as keywords to the function.：

applied：Series 或 DataFrame 如果 func 返回一个 Series。

例子：

>>> import dask.dataframe as dd
>>> s = pd.Series(range(5), name='x')
>>> ds = dd.from_pandas(s, npartitions=2)

在系列中逐元素应用函数，在 args 和 kwargs 中传递额外的参数：

>>> def myadd(x, a, b=1):
...     return x + a + b
>>> res = ds.apply(myadd, args=(2,), b=1.5)

默认情况下，dask 尝试通过在一些假数据上运行您提供的函数来推断输出元数据。这在许多情况下效果很好，但有时可能很昂贵，甚至失败。为避免这种情况，您可以使用 meta 关键字手动指定输出元数据。这可以以多种形式指定，有关详细信息，请参阅dask.dataframe.utils.make_meta。

在这里，我们指定输出是一个名为 'x' 和 dtype float64 的系列：

>>> res = ds.apply(myadd, args=(2,), b=1.5, meta=('x', 'f8'))

在元数据不变的情况下，也可以直接传入对象本身：

>>> res = ds.apply(lambda x: x + 1, meta=ds)

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 dask.dataframe.Series.apply。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：

例子：