何時使用 Pandas `map`、`applymap` 或 `apply`？

在 Pandas 中選擇 map、applymap 和 apply

使用 Pandas DataFrame 時，通常需要對資料應用函數以各種方式。向量化常用的三種方法是map、applymap和apply。每個都有其獨特的用途和應用。

Map

map 是特定於 Series 物件的方法，它將函數應用於 Series 中的每個元素。它需要一個接受單一值作為輸入並傳回單一值的函數。

範例:

import pandas as pd

# Create a Series
series = pd.Series([1, 2, 3, 4, 5])

# Apply a function to each element
def square(x):
    return x**2

# Apply the function to the series using map
squared_series = series.map(square)

print(squared_series)

輸出：

0    1
1    4
2    9
3   16
4   25
dtype: int64

Applymap

Applymap

Applymap# Create a DataFrame df = pd.DataFrame({'a': [1, 2, 3], 'b': [4, 5, 6]}) # Apply a function to each element of the DataFrame def format_number(x): return "{:.2f}".format(x) # Apply the function to the DataFrame using applymap formatted_df = df.applymap(format_number) print(formatted_df)

範例

   a  b
0  1.00  4.00
1  2.00  5.00
2  3.00  6.00

:

輸出：

申請適用

# Apply a function to each row of the DataFrame
def get_max_min_diff(row):
    return row.max() - row.min()

max_min_diff = df.apply(get_max_min_diff, axis=1)

print(max_min_diff)

申請適用

0 3.00 1 3.00 2 3.00 dtype: float64

範例:

• 輸出：
• 用法摘要
• map：依元素函數套用到Series

applymap元素函數套用到DataFrame應用：按行/列函數應用到 DataFrame，具有靈活的輸入/輸出處理

以上是何時使用 Pandas `map`、`applymap` 或 `apply`？的詳細內容。更多資訊請關注PHP中文網其他相關文章！