1 apply()函數

1.1 apply()函數簡介

• Pandas提供了很多數據處理的API，但當提供的API不能滿足需求的時候，需要自己編寫數據處理函數, 這個時候可以使用apply()函數；
• apply()函數可以接收一個自定義函數，可以將DataFrame的行或列數據傳遞給自定義函數處理；
• apply()函數類似于編寫了一個for循環，遍歷行/列的每一個元素，但比使用for循環效率高很多。

1.2 使用方法

• 數據準備：

  

• 自定義一個求平方的函數：

  

• apply()函數有一個func參數，用于接收一個函數，然后應用于Series的每個元素

  • 注意：傳入的是函數名，不要帶上()

  

• 如果自定義的函數有其它參數需要傳入時：

  

• 上面是將自定義函數作用于Series，也可以作用于一整個DataFrame：

  

• 如果自定義函數中有輸出語句：

  

• 注意：apply()函數是直接將一整個DataFrame或者Series作為一個參數傳遞給自定義函數

  

  • 從報錯的信息中看到，實際上avg_3函數接收到的只有一個變量，這個變量可以是DataFrame的行也可以是DataFrame的列；

• 使用apply()函數的時候，可以通過axis參數指定按行或者按列傳入數據；

  • axis = 0：按列處理（默認）

    

  • axis = 1：按行處理

    

2 apply()使用案例

• 使用titanic數據集，先加載數據：

  

• 準備三個函數：

  

• 把前面定義好的函數應用于數據的各列：

  

• 把前面定義好的函數應用于數據的各行：

  

3 函數向量化

• 準備一個DataFrame：

  

• 創建一個自定義函數，用于計算DataFrame中每行的平均值：

  

• 修改一下上面的自定義函數，在其中加入一個if判斷，結果發現報錯：

  

  • ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all(). 是因為在 avg_2_mod 函數中，嘗試對 pandas 的 Series 對象進行布爾判斷，而這種判斷在 pandas 中是不明確的；
  • x == 20 的問題：
    • 在avg_2_mod()函數中，x 是 df['a']，它是一個 pandas 的 Series 對象；
    • x == 20 會返回一個布爾型的 Series，表示 df['a'] 中每個元素是否等于 20；
    • 然而，if 語句需要一個單一的布爾值，而不是一個布爾型的 Series，因此會導致報錯；

• 解決1：使用np.vectorize()將函數向量化

  

• 解決2：使用@np.vectorize裝飾器，可以自動將一個普通的 Python 函數轉換為向量化函數

  

4 Lambda表達式

• 當函數比較簡單的時候, 沒有必要用def創建函數，可以使用Lambda表達式創建匿名函數

  

  • lambda x: x + 1是一個匿名函數，它接受一個參數x，并返回x + 1；

• 或者：