Pandas | 07 函數應用

要將自定義或其餘庫的函數應用於Pandas對象，有三個重要的方法，下面來討論如何使用這些方法。使用適當的方法取決於函數應用於哪一個層面（DataFrame，行或列或元素）。

• 表合理函數應用：pipe()
• 行或列函數應用：apply()
• 元素函數應用：applymap()

1、對整個DataFrame執行操做

　　能夠經過將函數和適當數量的參數做爲管道參數來執行自定義操做

 

import pandas as pd
import numpy as np

#  adder函數將兩個數值做爲參數相加並返回總和
def adder(ele1,ele2):
   return ele1+ele2

df = pd.DataFrame(np.random.randn(5,3),columns=['col1','col2','col3'])
df.pipe(adder,2)                        # 如今將使用自定義函數對DataFrame進行操做
print(df)

輸出結果：

col1 col2 col3 0 2.176704 2.219691 1.509360 1 2.222378 2.422167 3.953921 2 2.241096 1.135424 2.696432 3 2.355763 0.376672 1.182570 4 2.308743 2.714767 2.130288

 

2、對行或列執行操做

可使用apply()方法沿DataFrame或Panel的軸應用任意函數，它與描述性統計方法同樣，採用可選的axis參數。 默認狀況下，操做按列執行，將每列列爲數組。

 

示例-1

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5,3),columns=['col1','col2','col3'])
df.apply(np.mean)
print(df)

輸出結果：

col1 col2 col3 0 0.343569 -1.013287 1.131245 1 0.508922 -0.949778 -1.600569 2 -1.182331 -0.420703 -1.725400 3 0.860265 2.069038 -0.537648 4 0.876758 -0.238051 0.473992

 

經過傳遞axis參數，能夠在行上執行操做。

示例-2

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5,3),columns=['col1','col2','col3'])
df.apply(np.mean,axis=1)
print(df)

輸出結果：

col1 col2 col3 0 0.543255 -1.613418 -0.500731 1 0.976543 -1.135835 -0.719153 2 0.184282 -0.721153 -2.876206 3 0.447738 0.268062 -1.937888 4 -0.677673 0.177455 1.397360

 

示例-3

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5,3),columns=['col1','col2','col3'])
df.apply(lambda x: x.max() - x.min())
print(df)

輸出結果：

col1 col2 col3 0 -0.585206 -0.104938 1.424115 1 -0.326036 -1.444798 0.196849 2 -2.033478 1.682253 1.223152 3 -0.107015 0.499846 0.084127 4 -1.046964 -1.935617 -0.009919

 

3、對元素執行操做

並非全部的函數均可以向量化(也不是返回另外一個數組的NumPy數組，也不是任何值)，在DataFrame上的方法applymap()和相似於在Series上的map()接受任何Python函數，而且返回單個值。

示例-1

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5,3),columns=['col1','col2','col3'])
df['col1'].map(lambda x:x*100)
print(df)

輸出結果：

col1 col2 col3 0 0.629348 0.088467 -1.790702 1 -0.592595 0.184113 -1.524998 2 -0.419298 0.262369 -0.178849 3 -1.036930 1.103169 0.941882 4 -0.573333 -0.031056 0.315590

 

示例-2

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5,3),columns=['col1','col2','col3'])
df.applymap(lambda x:x*100)
print(df)

輸出結果：

output is as follows: col1 col2 col3 0 17.670426 21.969052 -49.064031 1 22.237846 42.216693 195.392124 2 24.109576 -86.457646 69.643171 3 35.576312 -162.332803 -81.743023 4 30.874333 71.476717 13.028751