pandas中apply函数的使用方法及作用

在pandas中，apply()函数可以应用于数据帧（DataFrame）和系列（Series）。它的主要作用是将一个函数应用于数据帧中的每一行或每一列，并返回一个新的数据帧或系列。

apply()函数的语法如下：

DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwds)

其中，参数的含义如下：

- func：要应用于每个元素的函数。
- axis：指定函数沿着哪个轴应用。0表示按列应用，1表示按行应用。
- raw：如果为True，则传递每行/列作为一个数组给函数。如果为False（默认），则传递一个Series对象。
- result_type：指定返回的类型。可以是‘expand’（默认），将返回一个数据帧，或‘reduce’，将返回一个系列。
- args：传递给函数的其他参数。

例如，我们可以使用apply()函数来计算数据帧每列的平均值，代码如下：

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)

# 计算每列的平均值
mean = df.apply(lambda x: x.mean(), axis=0)
print(mean)

输出：

A    2.0
B    5.0
dtype: float64

在这个例子中，我们使用lambda函数计算每列的平均值，并将axis参数设置为0以沿着列应用函数。函数返回一个系列，其中包含每列的平均值。

需要注意的是，apply()函数是一种比较耗时的操作，因此在处理大量数据时需要谨慎使用。