对pandas某列数据使用apply

在 Pandas 中，可以使用 `apply` 方法对某一列的数据进行自定义操作。`apply` 方法可以接受一个函数作为参数，该函数将被应用到每个元素上。以下是一个示例：

import pandas as pd

def square(x):
    return x ** 2

df = pd.read_csv('data.csv')
df['column1_squared'] = df['column1'].apply(square)

以上代码中，我们定义了一个名为 `square` 的函数，该函数接受一个参数 `x`，返回 `x` 的平方。然后，我们使用 `apply` 方法将 `square` 函数应用到 `column1` 列的每个元素上，返回一个新的列 `column1_squared`，其中每个元素都是原来的 `column1` 列的平方。

除了自定义函数，`apply` 方法还可以接受 lambda 表达式或者匿名函数作为参数。例如，可以将以上示例代码改写成如下形式：

df['column1_squared'] = df['column1'].apply(lambda x: x ** 2)

以上代码中，我们使用 lambda 表达式来定义一个匿名函数，该函数接受一个参数 `x`，返回 `x` 的平方。

需要注意的是，`apply` 方法默认对每一行数据进行操作，如果需要对每一列进行操作，可以使用 `apply` 方法的 `axis` 参数。`axis=0` 表示对每一列进行操作，`axis=1` 表示对每一行进行操作。例如，如果需要对每一列数据求和，可以使用如下代码：

df.apply(sum, axis=0)

以上代码中，我们使用了内置的 `sum` 函数来对每一列数据进行求和操作，`axis=0` 表示对每一列进行操作。

总之，`apply` 方法是 Pandas 中非常强大的一个功能，可以方便地对数据进行自定义操作。