pandas.DataFrame.apply#

DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwargs)[源代码]#

沿DataFrame的轴应用函数。

传递给函数的对象是其索引为DataFrame的索引的Series对象 (axis=0 )或DataFrame的列 (axis=1 )。默认情况下 (result_type=None )，则从所应用函数的返回类型推断最终的返回类型。否则，它取决于 result_type 论点。

参数

func功能

函数应用于每一列或每行。

axis{0或‘index’，1或‘Columns’}，默认为0

沿其应用函数的轴：

raw布尔值，默认为False

确定是将行还是列作为Series或ndarray对象传递：

result_type{‘扩展’，‘减少’，‘广播’，无}，默认为无

这些仅在以下情况下才会起作用 axis=1 (专栏)：

默认行为(None)取决于应用函数的返回值：类似列表的结果将作为一系列结果返回。但是，如果Apply函数返回一个Series，则这些列将展开为列。

args元组

要传递到的位置参数 func 除了阵列/系列之外。

**kwargs

要作为关键字参数传递到的其他关键字参数 func 。

退货

参见

注意事项

改变传递的对象的函数可能会产生意外的行为或错误，因此不受支持。看见使用用户定义函数(UDF)方法进行变异了解更多详细信息。

示例

>>> df = pd.DataFrame([[4, 9]] * 3, columns=['A', 'B'])
>>> df
   A  B
0  4  9
1  4  9
2  4  9

使用NumPy通用函数(在本例中与 np.sqrt(df) )：

>>> df.apply(np.sqrt)
     A    B
0  2.0  3.0
1  2.0  3.0
2  2.0  3.0

在任一轴上使用缩减函数

>>> df.apply(np.sum, axis=0)
A    12
B    27
dtype: int64

>>> df.apply(np.sum, axis=1)
0    13
1    13
2    13
dtype: int64

返回一个类似列表的结果将导致一系列

>>> df.apply(lambda x: [1, 2], axis=1)
0    [1, 2]
1    [1, 2]
2    [1, 2]
dtype: object

通过 result_type='expand' 将类似列表的结果扩展到数据帧的列

>>> df.apply(lambda x: [1, 2], axis=1, result_type='expand')
1
1  2
1  2
1  2

在函数内部返回序列类似于传递 result_type='expand' 。得到的列名将是Series索引。

>>> df.apply(lambda x: pd.Series([1, 2], index=['foo', 'bar']), axis=1)
   foo  bar
0    1    2
1    1    2
2    1    2

通过 result_type='broadcast' 将确保相同的形状结果，无论函数返回的是列表形式还是标量形式，并沿轴广播。生成的列名将是原始列名。

>>> df.apply(lambda x: [1, 2], axis=1, result_type='broadcast')
   A  B
0  1  2
1  1  2
2  1  2

pandas.DataFrame.append

pandas.DataFrame.applymap