dataframe的apply

apply()方法是Pandas数据框架中的一个功能强大的方法，它可以将函数应用于由各列或行形成的一维数组。默认情况下，apply()方法会以列为单位，分别对每一列应用函数。通过指定参数axis=1，可以对每一行应用函数。

使用apply()方法，可以实现各种数据操作。例如，可以计算每一列或每一行的最大值和最小值的差值，可以通过返回一个由多个值组成的Series来获得每一列或每一行的最小值和最大值。还可以对每一个元素应用一个Python函数，对DataFrame中的各个浮点值保留指定的小数位数。

总而言之，apply()方法允许用户对DataFrame的每个值进行不同类型的数据操作，从而提供了很大的灵活性和功能性。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [一文搞懂Pandas Dataframe中的apply方法](https://blog.csdn.net/weixin_39915649/article/details/126476752)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* [python DataFrame的apply方法](https://blog.csdn.net/weixin_42394591/article/details/80588097)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]