如何将函数应用到 Pandas Dataframe 中的某一列中去
Sathiya Sarathi
2023年1月30日
-
Pandas
apply()和transform()方法 -
使用
apply()将函数应用于 Pandas DataFrame 列 -
使用
transform()将一个函数应用到 Pandas DataFrame 列
在 Pandas 中，可以使用 apply() 和 transform() 等方法对列和 DataFrame 进行转换和操作。所需的转换作为参数以函数的形式传递给这些方法。每种方法都有其细微的区别和作用。本文将介绍如何将一个函数应用于一列或整个 DataFrame。
Pandas apply() 和 transform() 方法
apply() 和 transform() 方法都是对单个列和整个 DataFrame 进行操作。apply() 方法沿着指定的轴应用函数。它将列作为 DataFrame 传递给自定义函数，而 transform() 方法将单个列作为 Pandas Series 传递给自定义函数。
apply() 方法的输出根据输入以 DataFrame 或 Series 的形式接收，而 transform() 方法则以 Series 的形式接收。apply() 和 transform() 方法的语法都类似于：
Dataframe.apply(customFunction, axis=0)
Dataframe.transform(customFunction, axis=0)
参数对应于
customFunction：要应用于 DataFrame 或Series的函数。axis：0 指的是行，1 指的是列，函数需要应用在行或列上。
使用 apply() 将函数应用于 Pandas DataFrame 列
现在我们已经掌握了基础知识，让我们动手编写代码，了解如何使用 apply() 方法将一个函数应用到 DataFrame 列。
我们将使用下面的 DataFrame 示例。
import pandas as pd
import numpy as np
df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]], columns=["A", "B", "C"])
print(df)
将函数应用到整个 DataFrame 的示例代码如下所示。
import pandas as pd
import numpy as np
df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]], columns=["A", "B", "C"])
print(df)
def add_2(x):
return x + 2
df = df.apply(add_2)
print(df)
输出：
A B C
0 1 2 3
1 4 5 6
2 7 8 9
A B C
0 3 4 5
1 6 7 8
2 9 10 11
如上图所示，函数可以应用于整个 DataFrame。
将函数应用于单列
让我们来看看当函数沿单列应用时会发生什么。
import pandas as pd
import numpy as np
df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]], columns=["A", "B", "C"])
print(df)
def add_2(x):
return x + 2
df["A"] = df["A"].apply(add_2)
print(df)
# or #
df["A"].transform(add_2)
print(df)
输出：
A B C
0 1 2 3
1 4 5 6
2 7 8 9
A B C
0 3 2 3
1 6 5 6
2 9 8 9
使用 transform() 将一个函数应用到 Pandas DataFrame 列
让我们看看如何使用 transform() 方法将一个函数应用到一个 DataFrame 列。我们将使用与上面相同的 DataFrame 示例。
应用函数到整个 DataFrame 的示例代码如下所示。
import pandas as pd
import numpy as np
df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]], columns=["A", "B", "C"])
print(df)
def add_2(x):
return x + 2
df = df.transform(add_2)
print(df)
输出：
A B C
0 1 2 3
1 4 5 6
2 7 8 9
A B C
0 3 4 5
1 6 7 8
2 9 10 11
如上图所示，函数可以应用到整个 DataFrame。
将函数应用于单列
让我们来看看当函数沿单列应用时会发生什么。
import pandas as pd
import numpy as np
df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]], columns=["A", "B", "C"])
print(df)
def add_2(x):
return x + 2
df["A"] = df["A"].transform(add_2)
print(df)
输出：
A B C
0 1 2 3
1 4 5 6
2 7 8 9
A B C
0 3 2 3
1 6 5 6
2 9 8 9