在python的数据分析中，使用apply(),map(),applymap()，可以方便地实现对批量数据的自定义操作。其用法归纳如下。
| 函数 | 用法 |
|---|---|
| apply() | 用于对DataFrame中的数据进行按行或者按列 操作 |
| map() | 用于对Series中的每一个数据 操作 |
| applymap() | 用于对DataFrame的 每一个数据操作 |
1.示例
apply()
apply()用于对DataFrame中的数据进行按行或者按列 操作。
import pandas as pd
data = [[110, 120, 110], [130, 130, 130], [130, 120, 130]]
columns = ['语文', '数学', '英语']
df = pd.DataFrame(data=data, columns=columns)
print(df)
print("=============================")
print(df.apply(lambda x: x.sum(), axis=1))
其中axis=1表示对行操作。若axis为0则表示对列操作。
map()
map()用于对Series中的每一个数据 操作。
import pandas as pd
s1 = pd.Series([11, 22, 33, 44, 55])
print(s1)
print("================================")
print(s1.map(lambda x: str(x)))applymap
applymap()用于对DataFrame的 每一个数据操作。
操作DataFrame的每一个数据。
以将每一个数据保留两位小数为例：
import pandas as pd
data = [[110, 120, 110], [130, 130, 130], [130, 120, 130]]
columns = ['语文', '数学', '英语']
df = pd.DataFrame(data=data, columns=columns)
print(df)
print("=============================")
print(df.applymap(lambda x: '%.2f'%x))
到此这篇关于python数据分析apply(),map(),applymap()用法的文章就介绍到这了,更多相关apply(),map(),applymap()用法内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
