python数据分析apply(),map(),applymap()用法

目录

• 1.示例
• apply()
• map()
• applymap

在python的数据分析中，使用apply(),map(),applymap()，可以方便地实现对批量数据的自定义操作。其用法归纳如下。

1.示例

apply()

apply()用于对DataFrame中的数据进行按行或者按列 操作。

import pandas as pd
data = [[110, 120, 110], [130, 130, 130], [130, 120, 130]]
column编程客栈s = ['语文', '数学', '英语']
df = pd.DataFrame(data=d编程客栈ata, columns=columns)
print(df)
print("=============================")
print(df.apply(lambda x: x.sum(), axis=1))

其中axis=1表示对行操作。若axis为0则表示对列操作。

map()

map()用于对Series中的每一个数据 操作。

import pandas as 编程客栈pd
s1 = pd.Series([11, 22, 33, 44, 55])
print(s1)
print("================================")
print(s1.map(lambda x: str(x)))

applymap

applymap()用于对DataFrame的 每一个数据操作。http://www.cppcns.com

操作DataFrame的每一个数据。

以将每一个数据保留两位小数为例：

import pandas as pd
data = [[110, 120, 110], [130, 130, 130], [130, 120, 130]]
columns = ['语文', '数学', '英语']
df = pd.DataFrame(data=data, columns=columns)
print(df)
print("=============================")
print(df.applymap(lambda x: '%.2f'%x))

到此这篇关于python数据分析apply(),map(),applymap()用法的文章就介绍到这了,更多相关apply(),map(),applymap()用法内容请搜索我们以前的文章或继续浏http://www.cppcns.com览下面的相关文章希望大家以后多多支持我们！