Python的apply(), map(), applymap()怎么用

在Python中，apply()、map()和applymap()是用于对数据进行操作的常用函数。它们分别适用于不同的场景，尤其是在处理Pandas数据框和列表时非常有用。本文将详细介绍这三个函数的用法，并通过示例代码帮助读者更好地理解它们的功能。

1. apply()

apply()函数主要用于对Pandas数据框（DataFrame）或序列（Series）中的数据进行操作。它可以对每一行或每一列应用一个函数，并返回处理后的结果。

1.1 对Series使用apply()

apply()可以对Series中的每个元素应用一个函数。例如，假设我们有一个包含数字的Series，我们想要对每个元素进行平方操作：

import pandas as pd

# 创建一个Series
s = pd.Series([1, 2, 3, 4])

# 使用apply()对每个元素进行平方操作
s_squared = s.apply(lambda x: x**2)

print(s_squared)

输出结果为：

0     1
1     4
2     9
3    16
dtype: int64

1.2 对DataFrame使用apply()

apply()也可以对DataFrame的每一行或每一列应用一个函数。通过指定axis参数，我们可以选择是对行（axis=1）还是列（axis=0）进行操作。

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 对每一列求和
df_sum = df.apply(lambda x: x.sum(), axis=0)

# 对每一行求和
df_row_sum = df.apply(lambda x: x.sum(), axis=1)

print("列求和：")
print(df_sum)

print("行求和：")
print(df_row_sum)

输出结果为：

列求和：
A     6
B    15
C    24
dtype: int64

行求和：
0    12
1    15
2    18
dtype: int64

2. map()

map()函数主要用于对Series中的每个元素进行映射操作。它接受一个函数或字典作为参数，并将Series中的每个元素替换为映射后的结果。

2.1 使用函数进行映射

import pandas as pd

# 创建一个Series
s = pd.Series([1, 2, 3, 4])

# 使用map()对每个元素进行平方操作
s_squared = s.map(lambda x: x**2)

print(s_squared)

输出结果为：

0     1
1     4
2     9
3    16
dtype: int64

2.2 使用字典进行映射

map()还可以使用字典进行映射操作。例如，我们可以将Series中的某些值替换为字典中对应的值：

import pandas as pd

# 创建一个Series
s = pd.Series(['a', 'b', 'c', 'd'])

# 使用字典进行映射
mapping = {'a': 1, 'b': 2, 'c': 3}
s_mapped = s.map(mapping)

print(s_mapped)

输出结果为：

0    1.0
1    2.0
2    3.0
3    NaN
dtype: float64

注意，如果字典中没有对应的键，map()会返回NaN。

3. applymap()

applymap()函数用于对DataFrame中的每个元素应用一个函数。与apply()不同，applymap()是对DataFrame中的每个元素进行操作，而不是对行或列进行操作。

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 使用applymap()对每个元素进行平方操作
df_squared = df.applymap(lambda x: x**2)

print(df_squared)

输出结果为：

   A   B   C
0  1  16  49
1  4  25  64
2  9  36  81

4. 总结

• apply()：适用于对Pandas的Series或DataFrame的行/列进行操作。
• map()：适用于对Series中的每个元素进行映射操作。
• applymap()：适用于对DataFrame中的每个元素进行操作。

通过合理使用这三个函数，可以大大简化数据处理的过程，提高代码的可读性和效率。