2. apply

  1. 你可以使用numpy的ufunc函数操作pandas对象。

  2. 有时，你希望将函数应用到由各列或者各行形成的一维数组上，此时DataFrame的.apply()方法即可实现此功能。 .apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)

    • func：一个可调用对象，它会应用于每一行或者每一列
    • axis：指定应用于行还是列。如果为0/'index'，则沿着0轴计算（应用于每一列）；如果为1/'columns'，则沿着1轴计算（应用于每一行）。
    • broadcast：一个布尔值，如果为True，则结果为DataFrame（不足的部分通过广播来填充）
    • raw：一个布尔值。如果为False，则转换每一行/每一列为一个Series，然后传给 func 作为参数。如果True，则func接受到的是ndarray，而不是Series
    • reduce：一个布尔值。用于判断当DataFrame为空时，应该返回一个Series还是返回一个DataFrame。如果为True，则结果为Series；如果为False，则结果为DataFrame。
    • args：传递给func的额外的位置参数（第一个位置参数始终为Series/ndarray） apply_df

  3. 有时，你希望将函数应用到DataFrame中的每个元素，则可以使用.applymap(func)方法。之所以不叫map，是因为Series已经有个.map方法。 applymap_df

  4. Series的.apply()方法应用到Series的每个元素上： .apply(func, convert_dtype=True, args=(), **kwds)

    • func：一个可调用对象，它会应用于每个元素
    • convert_dtype：一个布尔值。如果为True，则pandas会自动匹配func结果的最佳dtype；如果为False，则dtype=object
    • args：传递给func的额外的位置参数。
    • kwds：传递给func的额外的关键字参数。

    返回结果可能是Series，也可能是DataFrame（比如，func返回一个Series) apply_series

  5. Series的.map(arg,na_action=None)方法会应用到Series的每个元素上：

    • arg：一个函数、字典或者Series。如果为字典或者Series，则它是一种映射关系，键/index label就是自变量，值就是返回值。
    • na_action：如果为ignore，则忽略NaN

    返回相同index的一个Series map_series