快捷導(dǎo)航

pandas的apply函數(shù)用法詳解

更新時(shí)間：2023年01月11日 09:59:45 作者：獨(dú)影月下酌酒

本文主要介紹了pandas的apply函數(shù)用法詳解，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

1.基本信息

Pandas 的 apply() 方法是用來(lái)調(diào)用一個(gè)函數(shù)(Python method)，讓此函數(shù)對(duì)數(shù)據(jù)對(duì)象進(jìn)行批量處理。Pandas 的很多對(duì)象都可以使用 apply() 來(lái)調(diào)用函數(shù)，如 Dataframe、Series、分組對(duì)象、各種時(shí)間序列等。

2.語(yǔ)法結(jié)構(gòu)

apply() 使用時(shí)，通常放入一個(gè) lambda 函數(shù)表達(dá)式、或一個(gè)函數(shù)作為操作運(yùn)算，官方上給出DataFrame的 apply() 用法：

DataFrame.apply(self, func, axis=0, raw=False, result_type=None, args=(), **kwargs)

參數(shù)：

func：函數(shù)或 lambda 表達(dá)式,應(yīng)用于每行或者每列

axis：{0 or ‘index’, 1 or ‘columns’}, 默認(rèn)為0

0 or ‘index’: 表示函數(shù)處理的是每一列
1 or ‘columns’: 表示函數(shù)處理的是每一行

raw：bool 類型，默認(rèn)為 False;

False ，表示把每一行或列作為 Series 傳入函數(shù)中；
True，表示接受的是 ndarray 數(shù)據(jù)類型；

result_type：{‘expand’, ‘reduce’, ‘broadcast’, None}, default None

These only act when axis=1 (columns):

‘expand’ : 列表式的結(jié)果將被轉(zhuǎn)化為列。
‘reduce’ : 如果可能的話，返回一個(gè) Series，而不是展開類似列表的結(jié)果。這與 expand 相反。
‘broadcast’ : 結(jié)果將被廣播到 DataFrame 的原始形狀，原始索引和列將被保留。

args: func 的位置參數(shù)

**kwargs：要作為關(guān)鍵字參數(shù)傳遞給 func 的其他關(guān)鍵字參數(shù)，1.3.0 開始支持

返回值：

Series 或者 DataFrame：沿?cái)?shù)據(jù)的給定軸應(yīng)用 func 的結(jié)果

Objects passed to the function are Series objects whose index is either the DataFrame's index (``axis=0``) or the DataFrame's columns(``axis=1``).
傳遞給函數(shù)的對(duì)象是Series對(duì)象，其索引是DataFrame的索引(axis=0)或DataFrame的列(axis=1)。
By default (``result_type=None``), the final return type is inferred from the return type of the applied function. Otherwise,it depends on the `result_type` argument.
默認(rèn)情況下( result_type=None)，最終的返回類型是從應(yīng)用函數(shù)的返回類型推斷出來(lái)的。否則，它取決于' result_type '參數(shù)。

注：DataFrame與Series的區(qū)別與聯(lián)系：

區(qū)別：

series，只是一個(gè)一維結(jié)構(gòu)，它由index和value組成。
dataframe，是一個(gè)二維結(jié)構(gòu)，除了擁有index和value之外，還擁有column。

聯(lián)系：

dataframe由多個(gè)series組成，無(wú)論是行還是列，單獨(dú)拆分出來(lái)都是一個(gè)series。

3.使用案例

3.1 DataFrame使用apply

官方使用案例

import pandas as pd
import numpy as np

df = pd.DataFrame([[4, 9]] * 3, columns=['A', 'B'])
df
? ?A ?B
0 ?4 ?9
1 ?4 ?9
2 ?4 ?9


# 使用numpy通用函數(shù) (如 np.sqrt(df)),
df.apply(np.sqrt)
'''
? ? ?A ? ?B
0 ?2.0 ?3.0
1 ?2.0 ?3.0
2 ?2.0 ?3.0
'''

# 使用聚合功能
df.apply(np.sum, axis=0)
'''
A ? ?12
B ? ?27
dtype: int64
'''

df.apply(np.sum, axis=1)
'''
0 ? ?13
1 ? ?13
2 ? ?13
dtype: int64
'''

# 在每行上返回類似列表的內(nèi)容
df.apply(lambda x: [1, 2], axis=1)
'''
0 ? ?[1, 2]
1 ? ?[1, 2]
2 ? ?[1, 2]
dtype: object
'''

# result_type='expand' 將類似列表的結(jié)果擴(kuò)展到數(shù)據(jù)的列
df.apply(lambda x: [1, 2], axis=1, result_type='expand')

'''
? ?0 ?1
0 ?1 ?2
1 ?1 ?2
2 ?1 ?2
'''

# 在函數(shù)中返回一個(gè)序列，生成的列名將是序列索引。
df.apply(lambda x: pd.Series([1, 2], index=['foo', 'bar']), axis=1)

'''
? ?foo ?bar
0 ? ?1 ? ?2
1 ? ?1 ? ?2
2 ? ?1 ? ?2
'''

# result_type='broadcast' 將確保函數(shù)返回相同的形狀結(jié)果
# 無(wú)論是 list-like 還是 scalar，并沿軸進(jìn)行廣播
# 生成的列名將是原始列名。
df.apply(lambda x: [1, 2], axis=1, result_type='broadcast')
'''
A ?B
0 ?1 ?2
1 ?1 ?2
2 ?1 ?2
'''

其他案例：

import numpy as np
import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3],
? ? ? ? ? ? ? ? ? ?'B': [4, 5, 6],
? ? ? ? ? ? ? ? ? ?'C': [7, 8, 9]},
? ? ? ? ? ? ? ? ? index=['a', 'b', 'c'])
df
?? ?A?? ?B?? ?C
a?? ?1?? ?4?? ?7
b?? ?2?? ?5?? ?8
c?? ?3?? ?6?? ?9

# 對(duì)各列應(yīng)用函數(shù) axis=0
df.apply(lambda x: np.sum(x))
A ? ? 6
B ? ?15
C ? ?24
dtype: int64

# 對(duì)各行應(yīng)用函數(shù)
df.apply(lambda x: np.sum(x), axis=1)
a ? ?12
b ? ?15
c ? ?18
dtype: int64

3.2 Series使用apply

官網(wǎng)案例

s = pd.Series([20, 21, 12],index=['London', 'New York', 'Helsinki'])
s
'''
London ? ? ?20
New York ? ?21
Helsinki ? ?12
dtype: int64
'''

# 定義函數(shù)并將其作為參數(shù)傳遞給 apply，求值平方化。
def square(x):
? ? ?return x ** 2

s.apply(square)
'''
London ? ? ?400
New York ? ?441
Helsinki ? ?144
dtype: int64
'''

# 通過(guò)將匿名函數(shù)作為參數(shù)傳遞給 apply
s.apply(lambda x: x ** 2)
'''
London ? ? ?400
New York ? ?441
Helsinki ? ?144
dtype: int64
'''

# 定義一個(gè)需要附加位置參數(shù)的自定義函數(shù)
# 并使用args關(guān)鍵字傳遞這些附加參數(shù)。
def subtract_custom_value(x, custom_value):
? ? ?return x - custom_value

s.apply(subtract_custom_value, args=(5,))
'''
London ? ? ?15
New York ? ?16
Helsinki ? ? 7
dtype: int64
'''

# 定義一個(gè)接受關(guān)鍵字參數(shù)并將這些參數(shù)傳遞
# 給 apply 的自定義函數(shù)。
def add_custom_values(x, **kwargs):
? ? ?for month in kwargs:
? ? ? ? ?x += kwargs[month]
? ? ?return x

s.apply(add_custom_values, june=30, july=20, august=25)
'''
London ? ? ?95
New York ? ?96
Helsinki ? ?87
dtype: int64
'''

# 使用Numpy庫(kù)中的函數(shù)
s.apply(np.log)
'''
London ? ? ?2.995732
New York ? ?3.044522
Helsinki ? ?2.484907
dtype: float64
'''

3.3 其他案例

import pandas as pd

# 顯示所有列
pd.set_option('display.max_columns', None)
# 顯示所有行
pd.set_option('display.max_rows', None)
# 設(shè)置value的顯示長(zhǎng)度為100，默認(rèn)為50
pd.set_option('max_colwidth', 100)
# 用來(lái)計(jì)算日期差的包
import datetime


def dataInterval(data1, data2):
? ? """
? ? Args:
? ? :param data1: datetime
? ? :param data2: datetime
? ? :return: delta days
? ? """
? ? d1 = datetime.datetime.strptime(data1, '%Y-%m-%d')
? ? d2 = datetime.datetime.strptime(data2, '%Y-%m-%d')
? ? delta = d1 - d2
? ? return delta.days


def getInterval(arrLike): ?
? ? """
? ? Args:
? ? :param arrLike: DataFrame?
? ? :return: delta days
? ? """
? ? PublishedTime = arrLike['PublishedTime']
? ? ReceivedTime = arrLike['ReceivedTime']
? ? days = dataInterval(PublishedTime.strip(), ReceivedTime.strip())?
? ? return days


def getInterval_new(arrLike, before, after):?
? ? """
? ? Args:
? ? :param arrLike: DataFrame
? ? :param before: forward time
? ? :param after: backwar time
? ? :return: delta days
? ? """
? ? before = arrLike[before]
? ? after = arrLike[after]
? ? days = dataInterval(after.strip(), before.strip()) ?
? ? return days



if __name__ == '__main__':
? ? df = pd.read_excel('./data/NS_info.xls')
? ? print(df.head())
? ? # method 1
? ? df['TimeInterval'] = df.apply(getInterval, axis=1)
? ? print(df.head())
? ? # method 2
? ? df['TimeInterval'] = df.apply(getInterval_new,axis=1,?
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? args=('ReceivedTime', 'PublishedTime'))?
?? ?# method 3
? ? df['TimeInterval'] = df.apply(getInterval_new,axis=1,?
? ? ? ? ? ? ? ? ? ?**{'before': 'ReceivedTime', 'after': 'PublishedTime'}) ?
?? ?# method 4
? ? df['TimeInterval'] = df.apply(getInterval_new,axis=1, before='ReceivedTime', after='PublishedTime')?