Python eval、apply、applymap和map函数
描述
eval() 函数用来执行一个字符串表达式，并返回表达式的值。
语法
以下是 eval() 方法的语法:
eval(expression[, globals[, locals]])
参数
expression – 表达式。
globals – 变量作用域，全局命名空间，如果被提供，则必须是一个字典对象。
locals – 变量作用域，局部命名空间，如果被提供，可以是任何映射对象。
返回值
返回表达式计算结果。
实例
以下展示了使用 eval() 方法的实例：
>>>x = 7
>>> eval( '3 * x' )
21
>>> eval('pow(2,2)')
4
>>> eval('2 + 2')
4
>>> n=81
>>> eval("n + 4")
85
eval函数作用
eval函数就是实现list、dict、tuple与str之间的转化
str函数把list，dict，tuple转为为字符串
一、字符串转换成列表
'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书
'''
a = "[[1,2], [3,4], [5,6], [7,8], [9,0]]"
print(type(a))
b = eval(a)
print(type(b))
print(b)
二、字符串转换成字典
a = "{1: 'a', 2: 'b'}"
print(type(a))
b = eval(a)
print(type(b))
print(b)
三、字符串转换成元组
a = "([1,2], [3,4], [5,6], [7,8], (9,0))"
print(type(a))
b=eval(a)
print(type(b))
print(b)
apply、applymap和map的应用
- apply 用在dataframe上，用于对row或者column进行计算；
- applymap 用于dataframe上，是元素级别的操作；
- map （python自带）用于series上，是元素级别的操作。
如：
>>> df = pd.DataFrame(np.random.randint(0,10,(4, 3)), columns=list('bde'), index=range(4))
>>> df
b d e
2 0 5
8 9 1
3 6 6
4 8 4
apply：作用在dataframe的一行或一列上
'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书
'''
>>> f = lambda x: x.max() - x.min()
>>> df.apply(f)
b 6
d 9
e 5
dtype: int64
>>> df.apply(f,axis=1) # 作用在一行上
5
8
3
4
dtype: int64
>>> df.apply(f,axis=0) # 作用在一列上，axis=0可省略
b 6
d 9
e 5
dtype: int64
```
applymap：作用在dataframe的每一个元素上
```
'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书
'''
>>> f2 = lambda x: x+1 if x%2==0 else x
>>> df.applymap(f2)
b d e
3 1 5
9 9 1
3 7 7
5 9 5
```
关于apply传入多个参数：
```
>>> data = {'id':range(5),'value':list("abcab")}
>>> frame = pd.DataFrame(data)
>>> frame
id value
0 a
1 b
2 c
3 a
4 b
>>> def testf(x, str):
... return x,str
>>> frame["id"].apply(testf, args=("ok",))
(0, ok)
(1, ok)
(2, ok)
(3, ok)
(4, ok)
Name: id, dtype: object
# 注意这里args只能传入(元组),不能是"ok"或("ok")
```