pandas数据清洗——apply函数
之前的replace、dropna、fillna函数要么针对NaN的某行或某列或某个，这些函数的作用有限，本章介绍的apply等函数可以针对整个Series
或DataFrame的各个值进行相应的数据的处理。
1、对Series应用apply函数。
import pandas as pd
import numpy as np
s = pd.Series(np.arange(2,6))
print (s)
print (s.apply(lambda x : 2 * x))
2、对DataFrame应用apply函数。
import pandas as pd
import numpy as np
idx =
val = np.arange(16).reshape((4,4))
col = "hello the crue lworld".split()
df = pd.DataFrame(val, index = idx,columns=col)
print (df)
print (df.apply(lambda col : col.sum(), axis = 0))
print (df.apply(lambda row : row.sum(), axis = 1))
df["hello x the"] = df.apply(lambda row : row.hello * row.the, axis = 1)
print (df)
apply函数一般针对整行或者整列而applymap函数会针对单独的元素值来处理。
df2 = pd.DataFrame(val, index = idx, columns = col)
print (df2)
print (df.applymap(lambda x : x + 3))
页:
[1]