Apply、Map和Aplymap三者的區(qū)別是什么，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學(xué)習(xí)下，希望你能有所收獲。

成都創(chuàng)新互聯(lián)專注于當(dāng)陽網(wǎng)站建設(shè)服務(wù)及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗。 熱誠為您提供當(dāng)陽營銷型網(wǎng)站建設(shè)，當(dāng)陽網(wǎng)站制作、當(dāng)陽網(wǎng)頁設(shè)計、當(dāng)陽網(wǎng)站官網(wǎng)定制、微信小程序開發(fā)服務(wù)，打造當(dāng)陽網(wǎng)絡(luò)公司原創(chuàng)品牌,更為您提供當(dāng)陽網(wǎng)站排名全網(wǎng)營銷落地服務(wù)。

首先，來個總結(jié)

• apply：應(yīng)用在DataFrame的行或列中，也可以應(yīng)用到單獨一個Series的每個元素中

• map：應(yīng)用在單獨一個Series的每個元素中

• applymap：應(yīng)用在DataFrame的每個元素中

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)的對象是Series對象，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，對整個DataFrame運用apply的時候，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)換成浮點型：

總結(jié)一下，apply運用到整個DataFrame中可以執(zhí)行整列或者整行的運算，運用到Series中，執(zhí)行的是對每個元素的運算。

這個運算，map也可以實現(xiàn)。

map

首先，還是看下官方文檔是怎么說的：

• 根據(jù)輸入對應(yīng)關(guān)系映射Series的值。

• 用于將Series中的每個值替換為另一個值，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，還是要有一個表：

現(xiàn)在需要將性別轉(zhuǎn)換成0和1，女為0，男為1，這個時候千萬不要寫循環(huán)啊，map()可以輕松實現(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)用一個函數(shù)，該函數(shù)接受并返回一個標(biāo)量到DataFrame的每個元素。

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

還是開頭的那個表：

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

最后再總結(jié)一下：

apply：

• 既可以用在DataFrame，也可以用到單獨的Series中

• 運用到DataFrame時，是用到了整行或者整列上，不是逐一運用到每個元素上

• 運用到Series時，作用到每個元素上

• 第一個參數(shù)只接收python原生函數(shù)或者numpy中的函數(shù)

map

• 只能運用到Series的每個元素上

• 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的每個元素中

• 參數(shù)只接收可調(diào)用的函數(shù)

看完上述內(nèi)容是否對您有幫助呢？如果還想對相關(guān)知識有進一步的了解或閱讀更多相關(guān)文章，請關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝您對創(chuàng)新互聯(lián)的支持。