如何将函数应用到 pandas dataframe 中的某一列中去-ag捕鱼王app官网

在 pandas 中，可以使用 apply() 和 transform() 等方法对列和 dataframe 进行转换和操作。所需的转换作为参数以函数的形式传递给这些方法。每种方法都有其细微的区别和作用。本文将介绍如何将一个函数应用于一列或整个 dataframe。

pandas apply() 和 transform() 方法

apply() 和 transform() 方法都是对单个列和整个 dataframe 进行操作。apply() 方法沿着指定的轴应用函数。它将列作为 dataframe 传递给自定义函数，而 transform() 方法将单个列作为 pandas series 传递给自定义函数。

apply() 方法的输出根据输入以 dataframe 或 series 的形式接收，而 transform() 方法则以 series 的形式接收。apply() 和 transform() 方法的语法都类似于：

dataframe.apply(customfunction, axis=0)
dataframe.transform(customfunction, axis=0)

参数对应于

• customfunction：要应用于 dataframe 或 series 的函数。
• axis：0 指的是行，1 指的是列，函数需要应用在行或列上。

使用 apply() 将函数应用于 pandas dataframe 列

现在我们已经掌握了基础知识，让我们动手编写代码，了解如何使用 apply() 方法将一个函数应用到 dataframe 列。

我们将使用下面的 dataframe 示例。

import pandas as pd
import numpy as np
df = pd.dataframe([[1, 2, 3], [4, 5, 6], [7, 8, 9]], columns=["a", "b", "c"])
print(df)

将函数应用到整个 dataframe 的示例代码如下所示。

import pandas as pd
import numpy as np
df = pd.dataframe([[1, 2, 3], [4, 5, 6], [7, 8, 9]], columns=["a", "b", "c"])
print(df)
def add_2(x):
    return x  2
df = df.apply(add_2)
print(df)

输出：

   a  b  c
0  1  2  3
1  4  5  6
2  7  8  9
   a   b   c
0  3   4   5
1  6   7   8
2  9  10  11

如上图所示，函数可以应用于整个 dataframe。

将函数应用于单列

让我们来看看当函数沿单列应用时会发生什么。

import pandas as pd
import numpy as np
df = pd.dataframe([[1, 2, 3], [4, 5, 6], [7, 8, 9]], columns=["a", "b", "c"])
print(df)
def add_2(x):
    return x  2
df["a"] = df["a"].apply(add_2)
print(df)
# or #
df["a"].transform(add_2)
print(df)

输出：

   a  b  c
0  1  2  3
1  4  5  6
2  7  8  9
   a  b  c
0  3  2  3
1  6  5  6
2  9  8  9

使用 transform() 将一个函数应用到 pandas dataframe 列

让我们看看如何使用 transform() 方法将一个函数应用到一个 dataframe 列。我们将使用与上面相同的 dataframe 示例。

应用函数到整个 dataframe 的示例代码如下所示。

import pandas as pd
import numpy as np
df = pd.dataframe([[1, 2, 3], [4, 5, 6], [7, 8, 9]], columns=["a", "b", "c"])
print(df)
def add_2(x):
    return x  2
df = df.transform(add_2)
print(df)

输出：

   a  b  c
0  1  2  3
1  4  5  6
2  7  8  9
   a   b   c
0  3   4   5
1  6   7   8
2  9  10  11

如上图所示，函数可以应用到整个 dataframe。

将函数应用于单列

让我们来看看当函数沿单列应用时会发生什么。

import pandas as pd
import numpy as np
df = pd.dataframe([[1, 2, 3], [4, 5, 6], [7, 8, 9]], columns=["a", "b", "c"])
print(df)
def add_2(x):
    return x  2
df["a"] = df["a"].transform(add_2)
print(df)

输出：

   a  b  c
0  1  2  3
1  4  5  6
2  7  8  9
   a  b  c
0  3  2  3
1  6  5  6
2  9  8  9