apply方法介紹

方法形式為 apply(func, axis=0, raw=False, result_type=None, agrs=(), **kwargs)，沿Dataframe的軸應用func函數。

傳遞給函數的對象是Series對象，當axis=0時，其索引是Dataframe的索引；當axis=1時，其索引是Dataframe的列。

默認情況下，result_type=None，最終返回的類型是從func函數的返回推斷出來的，否則它就取決于result_type參數。

參數解析：

• func：函數，要應用于每一列或每一行的函數。
• axis：默認為0，0對應行索引，將func函數應用于每一列；1對應列，將函數應用于每一行。
• raw：布爾值，默認為False,確定行或列是否作為Series或ndarray對象傳遞。
  • False：將每一行或每一列作為一個Series對象傳遞給函數；
  • True：函數將接收ndarray對象。
• result_type：可選值有expand，reduce，broadcast，None，默認為None。
  • 默認為None時，返回結果取決于func函數的返回值，類似列表的結果將返回這些結果組成的Series，如果返回Series，則會將Series擴展為列。
  • expand：在axis=1時其作用，類似列表的結果將變成列。
  • reduce：在axis=1時其作用，如果可以，返回一個Series，而不是擴展類似列表的結果。
  • broadcast：在axis=1時其作用，結果將被廣播到Dataframe的原始形狀，原始行索引和列將會被保留。
• args：元組，除了數組和Series之外，要傳遞給func的位置參數。
• **kwargs：傳遞給func的附加關鍵字參數。

返回：

• func函數沿Dataframe的給定軸應用的結果。

用例1

導入包

import pandas as pd
import numpy as np

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

輸出：

使用numpy中的通用函數。

df.apply(np.sqrt)   # 相當于np.sqrt(df)

輸出：

用例2

在任一軸上應用函數, 返回由類似列表的結果組成的Series。

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

輸出：

A ? ?12
B ? ?27
dtype: int64

df.apply(np.sum, axis=1)

輸出：

0 ? ?13
1 ? ?13
2 ? ?13
dtype: int64

df.apply(lambda x :[1, 2], axis=1)

輸出：

0 ? ?[1, 2]
1 ? ?[1, 2]
2 ? ?[1, 2]
dtype: object

用例3

傳遞result_type=expand，會將類似列表的結果擴展到Dataframe的列。

df.apply(lambda x : [1, 2], axis=1, result_type='expand')

輸出：

在func函數內部返回一個Series，和傳遞result_type=expand相似，Series的索引將作為擴展的列名。

df.apply(lambda x: pd.Series([1, 2], index=['foo', 'bar']), axis=1)

輸出：

傳遞result_type=broadcast，將會返回相同形狀的結果，無論是列表還是標量，將沿軸進行廣播，列的名稱還是原始名稱。

df.apply(lambda x: [1, 2], axis=1, result_type='broadcast')

輸出：

總結?