1 apply()函数

1.1 apply()函数简介

• Pandas提供了很多数据处理的API，但当提供的API不能满足需求的时候，需要自己编写数据处理函数, 这个时候可以使用apply()函数；
• apply()函数可以接收一个自定义函数，可以将DataFrame的行或列数据传递给自定义函数处理；
• apply()函数类似于编写了一个for循环，遍历行/列的每一个元素，但比使用for循环效率高很多。

1.2 使用方法

• 数据准备：

  

• 自定义一个求平方的函数：

  

• apply()函数有一个func参数，用于接收一个函数，然后应用于Series的每个元素

  • 注意：传入的是函数名，不要带上()

  

• 如果自定义的函数有其它参数需要传入时：

  

• 上面是将自定义函数作用于Series，也可以作用于一整个DataFrame：

  

• 如果自定义函数中有输出语句：

  

• 注意：apply()函数是直接将一整个DataFrame或者Series作为一个参数传递给自定义函数

  

  • 从报错的信息中看到，实际上avg_3函数接收到的只有一个变量，这个变量可以是DataFrame的行也可以是DataFrame的列；

• 使用apply()函数的时候，可以通过axis参数指定按行或者按列传入数据；

  • axis = 0：按列处理（默认）

    

  • axis = 1：按行处理

    

2 apply()使用案例

• 使用titanic数据集，先加载数据：

  

• 准备三个函数：

  

• 把前面定义好的函数应用于数据的各列：

  

• 把前面定义好的函数应用于数据的各行：

  

3 函数向量化

• 准备一个DataFrame：

  

• 创建一个自定义函数，用于计算DataFrame中每行的平均值：

  

• 修改一下上面的自定义函数，在其中加入一个if判断，结果发现报错：

  

  • ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all(). 是因为在 avg_2_mod 函数中，尝试对 pandas 的 Series 对象进行布尔判断，而这种判断在 pandas 中是不明确的；
  • x == 20 的问题：
    • 在avg_2_mod()函数中，x 是 df['a']，它是一个 pandas 的 Series 对象；
    • x == 20 会返回一个布尔型的 Series，表示 df['a'] 中每个元素是否等于 20；
    • 然而，if 语句需要一个单一的布尔值，而不是一个布尔型的 Series，因此会导致报错；

• 解决1：使用np.vectorize()将函数向量化

  

• 解决2：使用@np.vectorize装饰器，可以自动将一个普通的 Python 函数转换为向量化函数

  

4 Lambda表达式

• 当函数比较简单的时候, 没有必要用def创建函数，可以使用Lambda表达式创建匿名函数

  

  • lambda x: x + 1是一个匿名函数，它接受一个参数x，并返回x + 1；

• 或者：