脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → python中apply函数

python中apply函数详情

 更新时间：2022年01月26日 14:24:26   作者：sorrythanku   
这篇文章主要介绍了python中apply函数详情，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，更多详细内容，需要的小伙伴可以参考下面文章内容

函数原型：

DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)
  • 1.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。
  • 2.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。
  • 3.apply函数常与groupby函数一起使用，如下图所示:

  • 4.举栗子

对指定列进行操作:

data=np.arange(0,16).reshape(4,4)
data=pd.DataFrame(data,columns=['0','1','2','3'])
def f(x):
    return x-1
print(data)
print(data.ix[:,['1','2']].apply(f))
    0   1   2   3
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15
    1   2
0   0   1
1   4   5
2   8   9
3  12  13

对行操作:

data=np.arange(0,16).reshape(4,4)
data=pd.DataFrame(data,columns=['0','1','2','3'])
def f(x):
    return x-1
print(data)
print(data.ix[[0,1],:].apply(f))
    0   1   2   3
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15
   0  1  2  3
0 -1  0  1  2
1  3  4  5  6

整体对列操作:

data=np.arange(0,16).reshape(4,4)
data=pd.DataFrame(data,columns=['0','1','2','3'])
def f(x):
    return x.max()
print(data)
print(data.apply(f))
    0   1   2   3
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15

0    12
1    13
2    14
3    15
dtype: int64

整体对行操作:

data=np.arange(0,16).reshape(4,4)
data=pd.DataFrame(data,columns=['0','1','2','3'])
def f(x):
    return x.max()
print(data)
print(data.apply(f,axis=1))
    0   1   2   3
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15
0     3
1     7
2    11
3    15
dtype: int64

到此这篇关于python中apply函数详情的文章就介绍到这了,更多相关python中apply函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • 表格梳理解析python内置时间模块看完就懂

    表格梳理解析python内置时间模块看完就懂

    这篇文章主要介绍了python内置的时间模块，本文用表格方式清晰的对Python内置时间模块进行语法及用法的梳理解析，有需要的朋友建议收藏参考
    2021-10-10
  • Pygame实战练习之推箱子游戏

    Pygame实战练习之推箱子游戏

    推箱子想必是很多人童年时期的经典游戏,我们依旧能记得抱个老人机娱乐的场景,下面这篇文章主要给大家介绍了关于如何利用python写一个简单的推箱子小游戏的相关资料,需要的朋友可以参考下
    2021-09-09
  • Python可视化目标检测框的实现代码

    Python可视化目标检测框的实现代码

    这篇文章主要介绍了Python可视化目标检测框的实现代码,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
    2021-09-09
  • python3.6的venv模块使用详解

    python3.6的venv模块使用详解

    这篇文章主要介绍了python3.6的venv模块使用详解，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2018-08-08
  • TensorFlow的reshape操作 tf.reshape的实现

    TensorFlow的reshape操作 tf.reshape的实现

    这篇文章主要介绍了TensorFlow的reshape操作 tf.reshape的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2020-04-04
  • python使用Turtle库画画写名字

    python使用Turtle库画画写名字

    Turtle库是Python语言中一个很流行的绘制图像的函数库，本篇文章小编就带大家学习python利用Turtle库画画写名字的相关资料,需要的朋友可以参考下面文章的具体内容
    2021-09-09
  • Pytorch框架构建ResNet模型的实现示例

    Pytorch框架构建ResNet模型的实现示例

    本文主要介绍了Pytorch框架构建ResNet模型的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2024-06-06
  • python 禁止函数修改列表的实现方法

    python 禁止函数修改列表的实现方法

    下面小编就为大家带来一篇python 禁止函数修改列表的实现方法。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2017-08-08
  • Pytorch深度学习经典卷积神经网络resnet模块训练

    Pytorch深度学习经典卷积神经网络resnet模块训练

    这篇文章主要介绍了Pytorch深度学习经典卷积神经网络resnet模块训练，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
    2022-05-05
  • python求最大值最小值方法总结

    python求最大值最小值方法总结

    在本篇内容里小编给大家分享了关于python求最大值最小值方法以及实例内容，有兴趣的朋友们学习下。
    2019-06-06

最新评论