如何就地使用 pandas apply()

pandas apply()函数可用于将函数应用于 pandas DataFrame 的行或列。

此函数与drop()和Replace()等提供就地参数的其他函数不同：

 df. drop ([' column1 '], inplace= True )

df. rename ({' old_column ': ' new_column '}, inplace= True )

apply()函数没有 inplace 参数，因此我们必须使用以下语法来转换 inplace DataFrame：

 df = df. apply ( lambda x: x* 2 )

以下示例展示了如何在实践中通过以下 pandas DataFrame 使用此语法：

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' points ': [25, 12, 15, 14, 19, 23, 25, 29],
                   ' assists ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]})

#view DataFrame
df

        points assists rebounds
0 25 5 11
1 12 7 8
2 15 7 10
3 14 9 6
4 19 12 6
5 23 9 5
6 25 9 9
7 29 4 12

示例 1：对列使用 apply()

以下代码演示了如何使用apply()就地转换数据框列：

 #multiply all values in 'points' column by 2 in place
df. loc [:, ' points '] = df. points . apply ( lambda x: x* 2 )

#view updated DataFrame
df

points assists rebounds
0 50 5 11
1 24 7 8
2 30 7 10
3 28 9 6
4 38 12 6
5 46 9 5
6 50 9 9
7 58 4 12

示例 2：对多列使用 apply()

以下代码演示了如何使用apply()就地转换多个数据框列：

 multiply all values in 'points' and 'rebounds' column by 2 in place
df[[' points ', ' rebounds ']] = df[[' points ', ' rebounds ']]. apply ( lambda x: x* 2 )

#view updated DataFrame
df

	points assists rebounds
0 50 5 22
1 24 7 16
2 30 7 20
3 28 9 12
4 38 12 12
5 46 9 10
6 50 9 18
7 58 4 24

示例 3：对所有列使用 apply()

以下代码演示了如何使用apply()就地转换数据框中的所有列：

 #multiply values in all columns by 2
df = df. apply ( lambda x: x* 2 )

#view updated DataFrame
df

	points assists rebounds
0 50 10 22
1 24 14 16
2 30 14 20
3 28 18 12
4 38 24 12
5 46 18 10
6 50 18 18
7 58 8 24

其他资源

以下教程解释了如何在 pandas 中执行其他常见功能：

如何计算 Pandas 中的列总和
如何计算 Pandas 中列的平均值
如何找到 Pandas 中列的最大值