pandas 应用apply

pandas的apply函数是一个非常强大的函数，它可以用于DataFrame和Series对象，通常用于一些复杂的遍历操作，比如对DataFrame的每一行或每一列执行一些自定义函数。下面是一些常见的用法：

1. 对DataFrame的每一行执行一些复杂的操作

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 定义一个自定义函数，对每一行进行操作
def my_func(row):
    return row['A'] + row['B'] + row['C']

# 使用apply函数对每一行执行自定义函数
df['D'] = df.apply(my_func, axis=1)

# 输出结果
print(df)

输出结果：

   A  B  C   D
0  1  4  7  12
1  2  5  8  15
2  3  6  9  18

2. 对DataFrame的每一列执行一些复杂的操作

import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 定义一个自定义函数，对每一列进行操作
def my_func(col):
    return col.max()

# 使用apply函数对每一列执行自定义函数
df.apply(my_func, axis=0)

# 输出结果
print(df)

输出结果：

A    3
B    6
C    9
dtype: int64

3. 对DataFrame的每一个元素执行一些操作

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 定义一个自定义函数，对每一个元素进行操作
def my_func(element):
    return element * 2

# 使用applymap函数对每一个元素执行自定义函数
df.applymap(my_func)

# 输出结果
print(df)

输出结果：

   A   B   C
0  2   8  14
1  4  10  16
2  6  12  18