Series.apply

Series.apply(func, convert_dtype=True, args=(), **kwds)
对序列的每一个元素作用传入的函数

参数

参数	描述
func : function	所要应用的函数
convert_dtype : boolean, default True	试着找到最适合的结果类型
args : tuple	传入函数的参数

y : Series or DataFrame if func returns a Series

DataFrame.apply

DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)
在给定轴方向应用函数

参数

func : function|要应用在行和列的函数
axis : {0 or ‘index’, 1 or ‘columns’}, default 0|选择是行还是列
broadcast : boolean, default False|For aggregation functions, return object of same size with values propagated
raw : boolean, default False|If False, convert each row or column into a Series. If raw=True the passed function will receive ndarray objects instead.
reduce : boolean or None, default None|Try to apply reduction procedures.
args : tuple|函数的参数

应用

查看序列中元素的类型

In [1]: import pandas as pd...: df=pd.Series(["1","a",1,True])...: df
Out[1]:
0       1
1       a
2       1
3    True
dtype: objectIn [2]: df.apply(type)# 这里使用type()函数
Out[2]:
0     <class 'str'>
1     <class 'str'>
2     <class 'int'>
3    <class 'bool'>
dtype: object
In [3]: %timeit df.apply(type) #每次循环的时间是101us
10000 loops, best of 3: 101 µs per loop

apply函数类似与如下的循环

In [4]: [type(x) for x in df]
Out[4]: [str, str, int, bool]
In [5]: %timeit [type(x) for x in df]
100000 loops, best of 3: 13.3 µs per loop

很奇怪，循环要比pandas的内置函数要快

Pandas Apply函数相关推荐

pandas apply函数_Pandas学习笔记（四）
前言上一篇我们研究了Pandas的级联,这一节从如何在DataFrame中处理重复数据开始. 在DataFrame中查找不重复的数据在实际数据集中,经常会有大量重复的数据,为了去除重复,找到那些唯 ...
pandas apply() 函数用法
理解 pandas 的函数,要对函数式编程有一定的概念和理解.函数式编程,包括函数式编程思维,当然是一个很复杂的话题,但对今天介绍的 apply() 函数,只需要理解:函数作为一个对象,能作为参数传递 ...
pandas apply()函数参数 args
#!/usr/bin/pythonimport pandas as pddata = {'year':[2000,2001,2002,2001,2002],'value':[1.5,1.7,3.6,2 ...
Pandas中Apply函数加速百倍的技巧
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达作者 | 杰少来源 | kaggle竞赛宝典编辑 | 极市平台 ...
pandas编写自定义函数计算多个数据列的加和（sum）、使用groupby函数和apply函数聚合计算分组内多个数据列的加和
pandas编写自定义函数计算多个数据列的加和(sum).使用groupby函数和apply函数聚合计算分组内多个数据列的加和目录
pandas编写自定义函数、使用apply函数应用自定义函数基于Series数据生成新的dataframe
pandas编写自定义函数.使用apply函数应用自定义函数基于Series数据生成新的dataframe 目录 pandas编写自定义函数.使用apply函
python使用statsmodels包中的robust.mad函数以及pandas的apply函数计算dataframe中所有数据列的中位数绝对偏差(MAD)
python使用statsmodels包中的robust.mad函数以及pandas的apply函数计算dataframe中所有数据列的中位数绝对偏差(MAD.Median Absolute Devi ...
pandas使用apply函数和lambda函数、把所有行指定的数据列进行相加（use apply and lambda to add value in dataframe rows）
pandas使用apply函数和lambda函数.把所有行指定的数据列进行相加(use apply and lambda to add value in dataframe rows) 目录
pandas使用apply函数将dataframe多个数据列整合为元组形式并生成新的数据列（combine multiple columns as a single column of tuples)
pandas使用apply函数将dataframe多个数据列整合为元组形式并生成新的数据列(combine multiple columns as a single column of tuples ...

Pandas Apply函数

Series.apply

参数

返回

DataFrame.apply

参数

应用

Pandas Apply函数相关推荐

最新文章

热门文章