欢迎关注公众号【Python开发实战】，免费领取Python学习电子书！

Series的apply方法

apply方法介绍

方法形式为apply(func, convert_dtype=True, args=(), **kwargs)，返回Series或Dataframe，对Series的每一个值都应用func函数，func函数可以是ufunc（适用于整个Series的numpy函数）， 或仅适用于单个值的Python函数。

参数解析：

• func：函数，要应用的python函数或numpy ufunc。

• convert_dtype：布尔值，默认为True，尝试为函数结果的元素找到更好的dtype。如果为False，则保留为dtype=object。
  需要注意，对于某些扩展数组dtypes，例如Categorical，要始终保留dtype。

• args：元组，在Series的值之后，传递给func的位置参数。

• **kwargs：传递给func的附加关键字参数。

返回：

• Series或Dataframe。如果func返回一个Series对象，则结果将是一个Dataframe。

用例1

导入包

import pandas as pd
import numpy as np

创建一个城市对夏季温度的Series。

s = pd.Series([20, 21, 12], index=['London', 'New York', 'Helsinki'])
s

输出：

London      20
New York    21
Helsinki    12
dtype: int64

定义一个函数，并作为func参数传递给Series的apply()方法。

def square(x):
    return x ** 2
s.apply(square)   # func参数返回的是值，故apply返回的是Series

输出：

London      400
New York    441
Helsinki    144
dtype: int64

用例2

通常使用lambda匿名函数作为func参数传递给apply()方法。

s.apply(lambda x: x**2)

输出：

London      400
New York    441
Helsinki    144
dtype: int64

用例3

定义一个需要额外位置参数的自定义函数，并使用args参数进行传递。

def subtract_custom_value(x, custom_value):
    return x - custom_value

s.apply(subtract_custom_value, args=(5, ))

输出：

London      15
New York    16
Helsinki     7
dtype: int64

用例4

定义一个接受关键字参数，并这些参数传递给apply。

def add_custom_values(x, **kwargs):
    for month in kwargs:
        x += kwargs[month]
    return x

s.apply(add_custom_values, june=30, july=30, august=25)

输出：

London      105
New York    106
Helsinki     97
dtype: int64

用例5

使用numpy中的函数。

s.apply(np.sqrt)

输出：

London      4.472136
New York    4.582576
Helsinki    3.464102
dtype: float64