pandas的apply() | map() | applymap()的使用

简述

pandas中的apply、map、applymap都是利用lambda函数对DataFrame中的数据进行处理，几个方法之间的异同如下：

1. pandas的两种数据结构即dataframe和series 中都可以使用apply方法，dataframe中的apply方法需要指定axis参数（axis默认为0即使用lambda x 之后的x为按列索引获取的series），可以使用聚合函数求得每一列中的最大值max、最小值min、均值mean、计数count、求和sum等，series中的apply方法与map方法一样，都是作用于单个元素，可以对单个元素进行处理，注意此处不可以进行聚合处理，因为其作用对象为单个元素；
2. series中使用apply(lambda x: func(x))即对该series中的每一个元素进行函数func(x) 处理；
3. series中使用map(map_dic)即对该series中的每一个元素进行字典映射(map_dic)处理；
4. dataframe中使用applymap(lambda x:func(x))即对dataframe中的每一个元素进行函数func(x)处理。

示例展示

apply方法：

1.dataframe使用apply方法：

import pandas as pd
df = pd.DataFrame({'a':[5,8,3], 'b':[8,3,4], 'c':[6,2,7]})
result_se = df.apply(lambda x:sum(x))

result_se输出结果:

根据输出结果result_se可以看出，在对dataframe使用apply方法后返回一个series，返回后的series以dataframe的列明为索引。
2.series使用apply方法：

import pandas as pd
df = pd.DataFrame({'a':[5,8,3], 'b':[8,3,4], 'c':[6,2,7]})
result_se = df.a.apply(lambda x:1 if x>5 else 0)

result_se输出结果:

根据输出结果可以看出，在对series使用apply方法后返回的结果为对series中每一个元素使用func后的对应值构成的series，返回后的series的索引没有发生改变。

map方法：

1.series使用map方法：

import pandas as pd
df = pd.DataFrame({'a':[5,8,3], 'b':[8,3,4], 'c':[6,2,7]})
map_dic = {8:'八', 3:'三', 4:'四'}
result_se = df.b.map(map_dic)

result_se输出结果:

根据输出结果可以看出，在对series使用map方法后返回的结果为对series中每一个元素使用map字典映射后的对应值构成的series，返回后的series的索引没有发生改变。

applymap方法：

1.dataframe使用applymap方法：

import pandas as pd
df = pd.DataFrame({'a':[5,8,3], 'b':[8,3,4], 'c':[6,2,7]})
result_df = df.applymap(lambda x:1 if x>5 else 0)

result_df输出结果:

根据输出结果可以看出，在对dataframe使用applymap方法后返回的结果为对dataframe中每一个元素使用func后的对应值构成的dataframe，返回后的dataframe的列名及索引均没有发生改变。

总结

1.apply：不论是对dataframe还是series使用apply方法，返回结果均为series，dataframe使用apply方法相当于dataframe根据行或者列进行聚合；series使用apply方法目的是对series中的每个元素进行根据需求进行func处理；
2.map：map方法只能对用于series，其目的是对series中每个元素进行map映射处理；
3.applymap：applymap方法只能对用于dataframe,其目的是对dataframe中每个元素根据需求进行func处理。

【1】：https://pandas.pydata.org/