為恩施土家等地區(qū)用戶提供了全套網(wǎng)頁設(shè)計(jì)制作服務(wù)，及恩施土家網(wǎng)站建設(shè)行業(yè)解決方案。主營業(yè)務(wù)為網(wǎng)站制作、成都網(wǎng)站制作、恩施土家網(wǎng)站設(shè)計(jì)，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠的服務(wù)。我們深信只要達(dá)到每一位用戶的要求，就會(huì)得到認(rèn)可，從而選擇與我們長期合作。這樣，我們也可以走得更遠(yuǎn)！

這篇文章給大家介紹Python 中如何使用apply函數(shù)，內(nèi)容非常詳細(xì)，感興趣的小伙伴們可以參考借鑒，希望對(duì)大家能有所幫助。

1、介紹

apply函數(shù)是pandas里面所有函數(shù)中自由度最高的函數(shù)。該函數(shù)如下：

DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)

該函數(shù)最有用的是第一個(gè)參數(shù)，這個(gè)參數(shù)是函數(shù)，相當(dāng)于C/C++的函數(shù)指針。

這個(gè)函數(shù)需要自己實(shí)現(xiàn)，函數(shù)的傳入?yún)?shù)根據(jù)axis來定，比如axis = 1，就會(huì)把一行數(shù)據(jù)作為Series的數(shù)據(jù) 結(jié)構(gòu)傳入給自己實(shí)現(xiàn)的函數(shù)中，我們在函數(shù)中實(shí)現(xiàn)對(duì)Series不同屬性之間的計(jì)算，返回一個(gè)結(jié)果，則apply函數(shù) 會(huì)自動(dòng)遍歷每一行DataFrame的數(shù)據(jù)，最后將所有結(jié)果組合成一個(gè)Series數(shù)據(jù)結(jié)構(gòu)并返回。

2、樣例

import numpy as npimport pandas as pd
f = lambda x: x.max()-x.min()
df = pd.DataFrame(np.random.randn(4,3),columns=list('bde'),index=['utah', 'ohio', 'texas', 'oregon'])print(df)
t1 = df.apply(f)print(t1)
t2 = df.apply(f, axis=1)print(t2)

輸出結(jié)果如下所示：

               b         d         e
utah    1.106486  0.101113 -0.494279ohio    0.955676 -1.889499  0.522151texas   1.891144 -0.670588  0.106530oregon -0.062372  0.991231  0.294464b    1.953516d    2.880730e    1.016430dtype: float64
utah      1.600766ohio      2.845175texas     2.561732oregon    1.053603dtype: float64

3、性能比較

df = pd.DataFrame({'a': np.random.randn(6),                   'b': ['foo', 'bar'] * 3,                   'c': np.random.randn(6)})def my_test(a, b):    return a + bprint(df)
df['Value'] = df.apply(lambda row: my_test(row['a'], row['c']), axis=1) # 方法1print(df)
df['Value2'] = df['a'] + df['c']  # 方法2print(df)

輸出結(jié)果如下：

          a    b         c
0 -1.194841  foo  1.648214
1 -0.377554  bar  0.496678
2  1.524940  foo -1.245333
3 -0.248150  bar  1.526515
4  0.283395  foo  1.282233
5  0.117674  bar -0.094462
          a    b         c     Value
0 -1.194841  foo  1.648214  0.453374
1 -0.377554  bar  0.496678  0.119124
2  1.524940  foo -1.245333  0.279607
3 -0.248150  bar  1.526515  1.278365
4  0.283395  foo  1.282233  1.565628
5  0.117674  bar -0.094462  0.023212
          a    b         c     Value    Value2
0 -1.194841  foo  1.648214  0.453374  0.453374
1 -0.377554  bar  0.496678  0.119124  0.119124
2  1.524940  foo -1.245333  0.279607  0.279607
3 -0.248150  bar  1.526515  1.278365  1.278365
4  0.283395  foo  1.282233  1.565628  1.565628
5  0.117674  bar -0.094462  0.023212  0.023212

注意：當(dāng)數(shù)據(jù)量很大時(shí)，對(duì)于簡單的邏輯處理建議方法2（個(gè)人處理幾百M(fèi)數(shù)據(jù)集時(shí)，方法1花時(shí)200s左右，方法2花時(shí)10s）！??！

關(guān)于Python 中如何使用apply函數(shù)就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到。

文章標(biāo)題：Python中如何使用apply函數(shù)-創(chuàng)新互聯(lián)
URL鏈接：http://weahome.cn/article/copsod.html