python数据分析之apply函数

背景：apply函数是pandas里面所有函数中自由度最高的函数。

该函数如下：

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

该函数最有用的是第一个参数，这个参数是函数，相当于C/C++的函数指针。

这个函数需要自己实现，函数的传入参数根据axis来定，比如axis = 1，就会把一行数据作为Series的数据 结构传入给自己实现的函数中，我们在函数中实现对Series不同属性之间的计算，返回一个结果，则apply函数 会自动遍历每一行DataFrame的数据，最后将所有结果组合成一个Series数据结构并返回。

import numpy as np

import pandas as pd

f = lambda x: x.max() - x.min()

df = pd.DataFrame(np.random.randn(4, 3), columns=list('bde'), index=['utah', 'ohio', 'texas', 'oregon'])

print(df)

t1 = df.apply(f)

print(t1)

t2 = df.apply(f, axis=1)

print(t2)

import numpy as np

import pandas as pd

df = pd.DataFrame({'a': np.random.rand(6),

'b': ['af','bf']*3,

'c': np.random.rand(6) })

def my_test(a,b):

return a + b

print(df)

df['value'] = df.apply(lambda row: my_test(row['a'],row['c']),axis=1)#方法一

print(df)

df['value2'] = df['a'] + df['c']#方法二

print(df)