map\apply\applymap各自方法的作用对象是什么类型？方法内可传递的参数类型有哪几种？可用实现什么功能？

`map`、`apply` 和 `applymap` 是 Pandas 库中常用的三种方法，它们的作用对象和参数类型有所不同。

1. `map` 方法

作用对象：Series 类型。

参数类型：函数，字典或 Series。

功能：将一个函数、字典或 Series 映射到 Series 中的每个元素上，返回一个新的 Series。当传入函数时，函数对于 Series 中的每个元素进行计算，返回值组成新的 Series；当传入字典或 Series 时，根据字典或 Series 中的映射关系，将 Series 中的元素进行替换。

示例：

import pandas as pd

# 创建 Series 类型数据
data = pd.Series([1, 2, 3, 4, 5])

# map 方法对 Series 中的每个元素加 1
new_data = data.map(lambda x: x + 1)

# 打印输出结果
print(new_data)

输出结果为：

0    2
1    3
2    4
3    5
4    6
dtype: int64

2. `apply` 方法

作用对象：Series 或 DataFrame 类型。

参数类型：函数。

功能：将一个函数应用于 Series 或 DataFrame 的每一行或每一列，返回一个新的 Series 或 DataFrame。

示例：

import pandas as pd

# 创建 DataFrame 类型数据
data = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# apply 方法对 DataFrame 中的每一列求和
new_data = data.apply(lambda x: x.sum())

# 打印输出结果
print(new_data)

输出结果为：

A     6
B    15
C    24
dtype: int64

3. `applymap` 方法

作用对象：DataFrame 类型。

参数类型：函数。

功能：将一个函数应用于 DataFrame 的每一个元素，返回一个新的 DataFrame。

示例：

import pandas as pd

# 创建 DataFrame 类型数据
data = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# applymap 方法对 DataFrame 中的每一个元素乘 2
new_data = data.applymap(lambda x: 2 * x)

# 打印输出结果
print(new_data)

输出结果为：

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