浅谈Pandas中map, applymap and apply的区别
1.apply()
当想让方程作用在一维的向量上时，可以使用apply来完成，如下所示
In[116]:frame=DataFrame(np.random.randn(4,3),columns=list('bde'),index=['Utah','Ohio','Texas','Oregon'])
In[117]:frame
Out[117]:
bde
Utah-0.0296381.0815631.280300
Ohio0.6477470.831136-1.549481
Texas0.513416-0.8844170.195343
Oregon-0.485454-0.477388-0.309548
In[118]:f=lambdax:x.max()-x.min()
In[119]:frame.apply(f)
Out[119]:
b1.133201
d1.965980
e2.829781
dtype:float64
但是因为大多数的列表统计方程(比如sum和mean)是DataFrame的函数，所以apply很多时候不是必须的
2.applymap()
如果想让方程作用于DataFrame中的每一个元素，可以使用applymap().用法如下所示
In[120]:format=lambdax:'%.2f'%x In[121]:frame.applymap(format) Out[121]: bde Utah-0.031.081.28 Ohio0.650.83-1.55 Texas0.51-0.880.20 Oregon-0.49-0.48-0.31
3.map()
map()只要是作用将函数作用于一个Series的每一个元素，用法如下所示
In[122]:frame['e'].map(format) Out[122]: Utah1.28 Ohio-1.55 Texas0.20 Oregon-0.31 Name:e,dtype:object
总的来说就是apply()是一种让函数作用于列或者行操作，applymap()是一种让函数作用于DataFrame每一个元素的操作，而map是一种让函数作用于Series每一个元素的操作。
以上这篇浅谈Pandas中map,applymapandapply的区别就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。