Python Pandas DataFrame apply方法用法及代碼示例

例子

在列上應用函數

考慮以下 DataFrame ：

df = pd.DataFrame({"A":[2,3], "B":[4,5]})
df



   A  B
0  2  4
1  3  5

要按列應用 np.sum 函數：

df.apply(np.sum)   # axis=0



A  5
B  9
dtype: int64

在行上應用函數

考慮與之前相同的DataFrame：

df = pd.DataFrame({"A":[2,3], "B":[4,5]})
df



   A  B
0  2  4
1  3  5

要按行應用 np.sum 函數，請設置 axis=1 ：

df.apply(np.sum, axis=1)   # Returns a Series



0  6
1  8
dtype: int64

應用內置捆綁器

考慮與之前相同的DataFrame：

df = pd.DataFrame({"A":[2,3], "B":[4,5]})
df



   A  B
0  2  4
1  3  5

您可以使用內置函數(例如 tuple 、 list 甚至 Series )捆綁值：

df.apply(tuple)



A    (2, 3)
B    (4, 5)
dtype: object

應用自定義函數

考慮與之前相同的DataFrame：

df = pd.DataFrame({"A":[2,3], "B":[4,5]})
df



   A  B
0  2  4
1  3  5

應用自定義函數：

def foo(col):
 return 2 * col
df.apply(foo)



   A  B
0  4  8
1  6  10

我們的函數 foo 接受 Series 類型的列 ( axis=0 ) 作為參數，並將轉換後的列作為 Series 返回。

傳入關鍵字參數

要將關鍵字參數傳遞給 func ：

def foo(col, x):
 return x * col
df.apply(foo, x=2)



   A  B
0  4  8
1  6  10

解析list-like返回值的不同方式

考慮以下 DataFrame ：

df = pd.DataFrame({"A":[4,5], "B":[6,7]}, index=["a","b"])
df



   A  B
a  4  6
b  5  7

當函數的返回類型為 list-like 時，參數 result_type 起作用。

返回類型 無

當 return_type 未設置時，默認行為是將 list-like 返回值放在 Series 中：

df.apply(lambda x: [1,2,3], axis=1)   # Returns a Series



a [1, 2, 3]
b [1, 2, 3]
dtype: object

請注意，lambda x: [1,2,3] 相當於以下內容：

def foo(x):         # The function name isn't important here
 return [1,2,3]

返回類型 展開

當 return_type="expand" 時，list-like 的值將被分成列，從而產生 DataFrame ：

df.apply(lambda x: [1,2,3], axis=1, result_type="expand")    # Returns a DataFrame



   0  1  2
a  1  2  3
b  1  2  3

請注意，我們不再擁有原始列名稱 A 和 B 。

返回類型廣播

當 return_type="broadcast" 時，list-like 值將被分成列，但與 "expand" 不同，列名稱將被保留：

df.apply(lambda x: [1,2], axis=1, result_type="broadcast")     # Returns a DataFrame



   A  B
a  1  2
b  1  2

為此，list-like 的長度必須等於源 DataFrame 中的列數。這意味著在這種情況下返回 [1,2,3] 而不是 [1,2] 將導致錯誤。