Python pandas 对单列多列进行操作
- 数据库
- 王叽叽的小心情
- 0
其实之前都写过小笔记了Python Pandas 中lambda和apply函数的应用。用到的方法还是针对dataframe的apply函数+lambda表达式，除此之外，还存在针对series的map函数和apply函数。
下面区分单列、多列和元素级别的的操作。
1. 对单列进行操作，Series.apply()函数和Series.map()函数
针对一个Series，map函数和apply函数均可操作，看官方文档的介绍，apply适用于更复杂的操作功能。
- Series.map()函数格式化字符串
s = pd.Series(['cat', 'dog', np.nan, 'rabbit'])
>>> s.map('I am a {}'.format, na_action='ignore')
0 I am a cat
1 I am a dog
2 NaN
3 I am a rabbit
dtype: object
- Series.apply()函数最大最小归一化
df['new_col'] = df['col'].apply(lambda x: x+2)
2. 对多列进行操作，DataFrame.apply()函数
apply函数是针对指定的轴进行操作的，所以其实是行列都可以操作的，对列进行操作时指定axis=1，如下所示
df['new_col'] = df.apply(lambda x: x['a'] + x['b'] - x['c'], axis=1)
def self_sum(a, b):
return a ^ 2 + b ^ 2
df['sum'] = df.apply(lambda x: self_sum(x['from'], x['to']), axis=1)
3. 对个体元素进行操作，DataFrame.applymap()函数
针对整个dataframe，比如获取每个元素的长度
df.applymap(lambda x: len(str(x)), na_action='ignore')
针对整个dataframe的操作可以直接操作的，比如df**2就是对每个元素进行平方，效率更高。
今天动手归一化pandas中dataframe的一个列，竟然还忘记加apply了，哎，基础功一点都不扎实呀
免责申明：本站发布的内容（图片、视频和文字）以转载和分享为主，文章观点不代表本站立场，如涉及侵权请联系站长邮箱：xbc-online@qq.com进行反馈，一经查实，将立刻删除涉嫌侵权内容。
