在日常處理數(shù)據(jù)的過程中，會(huì)經(jīng)常遇到這樣的情況，對(duì)一個(gè)DataFrame進(jìn)行逐行、逐列或者逐元素的操作，很多小伙伴也知道需要用到apply、map或者applymap，但是具體什么情況下運(yùn)用哪種方法或者說對(duì)這些方法了解不夠，用起來暈暈乎乎始終沒有很明白，希望這一篇文章能夠幫助有需要的小伙伴弄懂他們之間的區(qū)別，并且在遇到問題的時(shí)候能夠很清楚明白用哪個(gè)以及該怎樣使用。閑話少敘，我們正式開始吧。

[[322964]]

首先，來個(gè)總結(jié)

• apply：應(yīng)用在DataFrame的行或列中，也可以應(yīng)用到單獨(dú)一個(gè)Series的每個(gè)元素中
• map：應(yīng)用在單獨(dú)一個(gè)Series的每個(gè)元素中
• applymap：應(yīng)用在DataFrame的每個(gè)元素中

apply

先從apply開始，當(dāng)然最權(quán)威的說明還是要看官方文檔：

apply是沿DataFrame的軸應(yīng)用功能，傳遞給函數(shù)的對(duì)象是Series對(duì)象，其索引為DataFrame的索引(axis = 0'')或DataFrame的列(axis = 1'')

當(dāng)然比較常用的還是DataFrame.apply(),下邊我們通過例子來說明一下幫助理解.

首先有一個(gè)表：

apply應(yīng)用到DataFrame中

如果我們求一下每一列或者每一列的極差，注意axis參數(shù)的設(shè)置，一般默認(rèn)為0，即求每一列的極值

apply的參數(shù)可以直接接收現(xiàn)成的函數(shù)，也可以接收自定義函數(shù)，比如自定義的匿名函數(shù)：

通過對(duì)軸信息的設(shè)置，也可以求每一行的極差：

需要注意的是結(jié)果的索引，能夠很明顯的告訴大家現(xiàn)在求的是行極差還是列極差，如果是行極差，索引是行標(biāo)簽，如果是列極差，索引是列名。

另外，對(duì)整個(gè)DataFrame運(yùn)用apply的時(shí)候，要保證所有的字段都是符合作為參數(shù)的函數(shù)要求才可以，比如在列子中求極值得保證所有字段都是數(shù)值型才行，如果整個(gè)DataFrame不能滿足要求，可以把符合要求的字段切出來再應(yīng)用apply。

如果有需要，也可以把求的結(jié)果添加到原表當(dāng)中。

apply應(yīng)用到Series中

如這個(gè)例子，將A列的所有元素轉(zhuǎn)換數(shù)據(jù)類型，從整型轉(zhuǎn)換成浮點(diǎn)型：

總結(jié)一下，apply運(yùn)用到整個(gè)DataFrame中可以執(zhí)行整列或者整行的運(yùn)算，運(yùn)用到Series中，執(zhí)行的是對(duì)每個(gè)元素的運(yùn)算。

這個(gè)運(yùn)算，map也可以實(shí)現(xiàn)。

map

首先，還是看下官方文檔是怎么說的：

• 根據(jù)輸入對(duì)應(yīng)關(guān)系映射Series的值。
• 用于將Series中的每個(gè)值替換為另一個(gè)值，該值可以從函數(shù)dict或Series派生。

官方指定，map是應(yīng)用于Seriesd 的，參數(shù)可以是函數(shù)也可以字典。

首先，還是要有一個(gè)表：

現(xiàn)在需要將性別轉(zhuǎn)換成0和1，女為0，男為1，這個(gè)時(shí)候千萬不要寫循環(huán)啊，map()可以輕松實(shí)現(xiàn)，先來試試函數(shù)的形式：

def gender(x): G = 1 if x == "男" else 0 return G

map的參數(shù)除了可以是參數(shù)，也可以是字典，這和apply對(duì)參數(shù)的要求不同：

applymap

最后來看一下applymap，還是先搬上官方文檔：

• 將函數(shù)應(yīng)用于元素的數(shù)據(jù)框。
• 此方法應(yīng)用一個(gè)函數(shù)，該函數(shù)接受并返回一個(gè)標(biāo)量到DataFrame的每個(gè)元素。

簡單說，applymap是把函數(shù)應(yīng)用到DataFrame中的每個(gè)元素上的，要和apply對(duì)整列或者整行進(jìn)行的操作區(qū)分開啊，apply想要直接對(duì)每個(gè)元素進(jìn)行操作，得單獨(dú)提取出Series才可以實(shí)現(xiàn)，不能直接再整個(gè)DataFrame上執(zhí)行。下邊來看個(gè)例子。

還是開頭的那個(gè)表：

現(xiàn)在要把每個(gè)元素的數(shù)據(jù)類型都轉(zhuǎn)換成浮點(diǎn)型，applymap()就派上用場了：

最后再總結(jié)一下：

apply：

• 既可以用在DataFrame，也可以用到單獨(dú)的Series中
• 運(yùn)用到DataFrame時(shí)，是用到了整行或者整列上，不是逐一運(yùn)用到每個(gè)元素上
• 運(yùn)用到Series時(shí)，作用到每個(gè)元素上
• 第一個(gè)參數(shù)只接收python原生函數(shù)或者numpy中的函數(shù)

map

• 只能運(yùn)用到Series的每個(gè)元素上
• 參數(shù)可以是函數(shù)也可以是字典，還可以是序列

applymap

• 只能應(yīng)用在DataFrame中，并且是作用在DataFrame的每個(gè)元素中
• 參數(shù)只接收可調(diào)用的函數(shù)

常用的用法呢就是前邊舉的例子中的那些了，希望這邊文章能幫助大家分清apply、map和applymap并能靈活運(yùn)用它們。