Pandas调用函数怎么用

Pandas 是 Python 中一个强大的数据处理库，广泛应用于数据清洗、分析和处理。在 Pandas 中，调用函数是非常常见的操作，尤其是在对数据进行转换、聚合或计算时。本文将详细介绍如何在 Pandas 中调用函数，涵盖常见的函数调用方式、应用场景以及一些高级用法。

1. Pandas 中的函数调用概述

在 Pandas 中，函数调用通常用于对 DataFrame 或 Series 中的数据进行操作。Pandas 提供了多种方式来调用函数，主要包括以下几种：

• 直接调用内置函数：Pandas 提供了许多内置函数，如 sum()、mean()、max() 等，可以直接在 DataFrame 或 Series 上调用。
• 使用 apply() 方法：apply() 方法允许你对 DataFrame 或 Series 中的每个元素或每行/列应用自定义函数。
• 使用 map() 方法：map() 方法主要用于 Series，允许你对 Series 中的每个元素应用自定义函数。
• 使用 applymap() 方法：applymap() 方法用于对 DataFrame 中的每个元素应用自定义函数。
• 使用 agg() 方法：agg() 方法用于对 DataFrame 或 Series 进行聚合操作，可以同时应用多个函数。

接下来，我们将详细介绍这些方法的使用。

2. 直接调用内置函数

Pandas 提供了许多内置函数，可以直接在 DataFrame 或 Series 上调用。这些函数通常用于对数据进行简单的统计或计算。

2.1 在 Series 上调用内置函数

import pandas as pd

# 创建一个 Series
s = pd.Series([1, 2, 3, 4, 5])

# 调用内置函数
print(s.sum())  # 求和
print(s.mean())  # 求平均值
print(s.max())  # 求最大值
print(s.min())  # 求最小值

2.2 在 DataFrame 上调用内置函数

# 创建一个 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': [10, 20, 30, 40, 50]
})

# 调用内置函数
print(df.sum())  # 对每列求和
print(df.mean())  # 对每列求平均值
print(df.max())  # 对每列求最大值
print(df.min())  # 对每列求最小值

3. 使用 apply() 方法

apply() 方法是 Pandas 中最常用的函数调用方式之一。它允许你对 DataFrame 或 Series 中的每个元素、每行或每列应用自定义函数。

3.1 在 Series 上使用 apply()

# 创建一个 Series
s = pd.Series([1, 2, 3, 4, 5])

# 定义一个自定义函数
def square(x):
    return x ** 2

# 使用 apply() 方法
s_squared = s.apply(square)
print(s_squared)

3.2 在 DataFrame 上使用 apply()

# 创建一个 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': [10, 20, 30, 40, 50]
})

# 定义一个自定义函数
def sum_row(row):
    return row['A'] + row['B']

# 使用 apply() 方法对每行应用函数
df['Sum'] = df.apply(sum_row, axis=1)
print(df)

3.3 在 DataFrame 上对每列应用函数

# 定义一个自定义函数
def double_column(col):
    return col * 2

# 使用 apply() 方法对每列应用函数
df_doubled = df.apply(double_column)
print(df_doubled)

4. 使用 map() 方法

map() 方法主要用于 Series，允许你对 Series 中的每个元素应用自定义函数或映射关系。

4.1 使用 map() 方法

# 创建一个 Series
s = pd.Series([1, 2, 3, 4, 5])

# 定义一个自定义函数
def add_one(x):
    return x + 1

# 使用 map() 方法
s_plus_one = s.map(add_one)
print(s_plus_one)

4.2 使用 map() 方法进行映射

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

# 定义一个映射关系
mapping = {'a': 1, 'b': 2, 'c': 3, 'd': 4}

# 使用 map() 方法进行映射
s_mapped = s.map(mapping)
print(s_mapped)

5. 使用 applymap() 方法

applymap() 方法用于对 DataFrame 中的每个元素应用自定义函数。

5.1 使用 applymap() 方法

# 创建一个 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': [10, 20, 30, 40, 50]
})

# 定义一个自定义函数
def square(x):
    return x ** 2

# 使用 applymap() 方法
df_squared = df.applymap(square)
print(df_squared)

6. 使用 agg() 方法

agg() 方法用于对 DataFrame 或 Series 进行聚合操作，可以同时应用多个函数。

6.1 在 Series 上使用 agg()

# 创建一个 Series
s = pd.Series([1, 2, 3, 4, 5])

# 使用 agg() 方法
result = s.agg(['sum', 'mean', 'max', 'min'])
print(result)

6.2 在 DataFrame 上使用 agg()

# 创建一个 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': [10, 20, 30, 40, 50]
})

# 使用 agg() 方法
result = df.agg(['sum', 'mean', 'max', 'min'])
print(result)

6.3 对不同列应用不同的聚合函数

# 使用 agg() 方法对不同列应用不同的聚合函数
result = df.agg({
    'A': ['sum', 'mean'],
    'B': ['max', 'min']
})
print(result)

7. 高级用法

7.1 使用 Lambda 函数

Lambda 函数是一种匿名函数，通常用于简单的操作。在 Pandas 中，Lambda 函数可以与 apply()、map() 等方法结合使用。

# 创建一个 Series
s = pd.Series([1, 2, 3, 4, 5])

# 使用 Lambda 函数
s_squared = s.apply(lambda x: x ** 2)
print(s_squared)

7.2 使用 pipe() 方法

pipe() 方法允许你将 DataFrame 或 Series 传递给一个函数，并将结果返回。这种方法通常用于链式操作。

# 定义一个自定义函数
def add_one(df):
    return df + 1

# 使用 pipe() 方法
df_plus_one = df.pipe(add_one)
print(df_plus_one)

7.3 使用 transform() 方法

transform() 方法用于对 DataFrame 或 Series 中的每个元素应用函数，并返回与原始数据相同形状的结果。

# 创建一个 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': [10, 20, 30, 40, 50]
})

# 使用 transform() 方法
df_transformed = df.transform(lambda x: x * 2)
print(df_transformed)

8. 总结

在 Pandas 中，调用函数是非常常见的操作，尤其是在对数据进行转换、聚合或计算时。本文介绍了 Pandas 中常用的函数调用方式，包括直接调用内置函数、使用 apply()、map()、applymap()、agg() 等方法，以及一些高级用法如 Lambda 函数、pipe() 方法和 transform() 方法。掌握这些方法可以帮助你更高效地处理和分析数据。

希望本文对你理解 Pandas 中的函数调用有所帮助！