pandas中的apply函数

在pandas中，apply函数用于对DataFrame的行或列应用一个函数。它可以接受一个lambda函数表达式或一个自定义函数作为参数，并返回一个新的Series或DataFrame对象。

在引用中的官方使用案例中，apply函数的用法有以下几种情况：
1. 使用通用函数：可以使用numpy的通用函数，如np.sqrt(df)，对DataFrame中的每个元素进行操作。
2. 使用聚合功能：可以通过指定axis参数为0或1，对DataFrame的行或列进行聚合操作。例如，df.apply(np.sum, axis=0)将对每一列求和。
3. 在每行上返回列表或类似列表的内容：可以使用lambda函数返回一个列表或类似列表的内容，如df.apply(lambda x: [1, 2], axis=1)。
4. 扩展结果到数据的列：可以通过设置result_type参数为'expand'，将类似列表的结果扩展到数据的列上，如df.apply(lambda x: [1, 2], axis=1, result_type='expand')。
5. 返回一个序列：可以在函数中返回一个序列，并设置序列的索引，生成的列名将是序列索引，如df.apply(lambda x: pd.Series([1, 2], index=['foo', 'bar']), axis=1)。
6. 广播结果：可以通过设置result_type参数为'broadcast'，确保函数返回相同形状的结果，并沿轴进行广播。生成的列名将是原始列名，如df.apply(lambda x: [1, 2], axis=1, result_type='broadcast')。

除了官方使用案例外，引用中的其他案例也展示了apply函数的应用。例如，在一个DataFrame中对各列应用函数，可以使用axis参数设置为0，如df.apply(lambda x: np.sum(x))；对各行应用函数，可以使用axis参数设置为1，如df.apply(lambda x: np.sum(x), axis=1)。

总而言之，pandas中的apply函数可以用于对DataFrame的行或列应用一个函数，可以通过指定不同的参数和设置来实现不同的操作和处理。