參考資料：活用pandas庫

? ? ? ? apply是指把函數同時作用于DataFrame的每一行或每一列。類似于編寫一些跨每行或每列的for循環，并同時調用apply函數。

1、函數

? ? ? ? 函數是對python代碼進行分組和復用的一種方法。如果某段代碼會被多次使用，并且使用時是需要做少量修改，這時就應該考慮把這段代碼放入一個函數中。

# 編寫一個函數
# 求平方的函數
def my_sq(x):"""求平方"""return x**2# 求平均數的函數
def my_avg(x,y):"""求兩個數的平均值"""return(x+y)/2

? ? ? ? 三重引號中的文本是文檔字符串。在查找某個函數的幫助文檔時，就會看到它們。可以是使用這些文檔字符串為自定的函數創建幫助文檔。

2、使用函數

# 導入庫
import pandas as pd# 創建一個DataFrame
df=pd.DataFrame({'a':[10,20,30],'b':[20,30,40]
})

（1）Series的apply方法

? ? ? ? Series有一個apply方法。該方法有一個func參數。當傳遞給它一個函數之后，apply方法就會把傳入的函數應用于Series的每個元素。

# 把自定義的平方函數應用于列a
sq=df['a'].apply(my_sq)
print(sq)

? ? ? ? 請注意，當把my_sq傳遞給apply時，不要在my_sq后面加上圓括號。

? ? ? ? 當自定函數有多個參數時，系統會將Series數據分配給第一個參數。

# 定義一個冪函數，包含兩個參數
def my_exp(x,e):return x**e
# 當把my_exp函數應用于一個Series時，除了要把my_exp傳遞給apply之外，
# 還要多久傳遞一個參數，用于指定指數的大小。
# 傳遞改參數時，可以使用關鍵字參數。
ex=df['a'].apply(my_exp,e=3)
print(ex)

（2）DataFrame的apply方法

? ? ? ? DataFrame通常有至少兩個維度（或稱字段/列）。因此，當向DataFrame應用一個函數時，首先需要指定應用該函數的軸，例如逐行或逐列。

? ? ? ? 如果把apply方法的axis參數設置為0（默認值），則表示按列應用指定函數。如果把axis參數設置為1，則按行應用指定函數。

? ? ? ? 當向DataFrame應用一個函數時（默認按列應用），這個軸（如列）會傳遞到函數的第一個參數中。

# 自定義一個函數，它接收一個值，并將其輸出。
def print_me(x):print(x)# 按列應用，函數的第一個參數就是一個完整數據列，而不是一列的某個值
df.apply(print_me)

? ? ? ? 如下的應用函數則會報錯：

# 自定義一個函數，含有3個參數
def avg_3(x,y,z):return (x+y+z)/3
# 
df.apply(avg_3)

? ? ? ? 正確的函數應用應該是：

3、apply高級用法

# 導入numpy庫
import numpy as np
# 導入Titanic數據集
titanic=pd.read_csv(r"...\seaborn常用數據案例\titanic.csv")
# 查看數據集的基本信息
print(titanic.info())# 編寫函數
def count_missing(vec):"""計算一個向量中缺失值的個數"""# 根據值是否缺失獲取一個由True/False值組成的向量null_vec=pd.isnull(vec)# 得到null_vec中的null值得個數# null值對應True,True為1，False為0null_count=np.sum(null_vec)# 返回向量中缺失值的個數return null_countdef prop_missing(vec):"""計算向量中缺失值的占比"""# 調用count_missing函數計算缺失值的個數num=count_missing(vec)# 獲得向量中元素的個數dem=vec.size# 返回缺失值的占比return num/demdef prop_complete(vec):"""向量中非缺失值的占比"""# 調用prop_missing函數計算缺失值的占比return 1-prop_missing(vec)# 按列應用，用于對列的缺失數據情況進行分析
cmis_col=titanic.apply(count_missing)
pmis_col=titanic.apply(prop_missing)
pcom_col=titanic.apply(prop_complete)
print(cmis_col)
print(pmis_col)
print(pcom_col)# 按行應用，用于行的缺失數據分析
cmis_row=titanic.apply(count_missing,axis=1)
pmis_row=titanic.apply(prop_missing,axis=1)
pcom_row=titanic.apply(prop_complete,axis=1)
print(cmis_row.head())
print(pmis_row.head())
print(pcom_row.head())