[已解决]pandas.DataFrame.apply的疑问

O2H2O

关于apply的用法，假设有一个DataFrame

1. >>> df = pd.DataFrame([[4, 9]] * 3, columns=['A', 'B'])
   
2. >>> df
   
3.    A  B
   
4. 0  4  9
   
5. 1  4  9
   
6. 2  4  9

复制代码

如果对df引入lambda x :x+1函数，结果比较好理解

1. >>> df.apply(lambda x :x+1)
   
2.    A   B
   
3. 0  5  10
   
4. 1  5  10
   
5. 2  5  10

复制代码

如果引入lambda x: [1, 2]，就看不懂了，

1. >>> df.apply(lambda x: [1, 2],axis=0)
   
2.    A  B
   
3. 0  1  1
   
4. 1  2  2
   
5. >>> df.apply(lambda x: [1, 2], axis=1)
   
6. 0    [1, 2]
   
7. 1    [1, 2]
   
8. 2    [1, 2]
   
9. dtype: object

复制代码

例子来源于https://pandas.pydata.org/pandas ... das.DataFrame.apply

问题1：lambda x: [1, 2]，冒号右边没有x，意思是每一个x的返回值都是 [1, 2]吗？
问题2：df.apply(lambda x: [1, 2],axis=0)的结果为啥少了一行，而df.apply(lambda x: [1, 2], axis=1)少了一列，而且返回的内容也不同？
烦请高手指点，谢谢！

最佳答案

月排行榜 / 总排行榜

rsj0315

2021-6-9 15:41:32

收线dataframe，axis=0作用的是列，1是行

官方文档原话“0 or ‘index’: apply function to each column.

1 or ‘columns’: apply function to each row.”

1. df=df.apply(lambda x: [1, 2], axis=0)
   
2. print(df.values,df.dtypes)

复制代码

看下dtypes就不难理解了。
相当于每列数据换成了一个列表【1,2】；
=====
[list([1, 2]) list([1, 2])] object

----------------------
同理axis=1是把每一行数据换成了

=====
[list([1, 2]) list([1, 2]) list([1, 2])] object

跳转到最佳答案楼层

rsj0315

收线dataframe，axis=0作用的是列，1是行

官方文档原话“0 or ‘index’: apply function to each column.

1 or ‘columns’: apply function to each row.”

1. df=df.apply(lambda x: [1, 2], axis=0)
   
2. print(df.values,df.dtypes)

复制代码

看下dtypes就不难理解了。
相当于每列数据换成了一个列表【1,2】；
=====
[list([1, 2]) list([1, 2])] object

----------------------
同理axis=1是把每一行数据换成了

=====
[list([1, 2]) list([1, 2]) list([1, 2])] object

rsj0315

1. df3=df.applymap(lambda x: [1, 2])
   
2. print(df3.values,df3.dtypes)

复制代码

看下这个结果
[[list([1, 2]) list([1, 2])]
[list([1, 2]) list([1, 2])]
[list([1, 2]) list([1, 2])]] A    object
B    object
dtype: object

O2H2O

rsj0315 发表于 2021-6-9 15:48
看下这个结果
[) list([1, 2])]
) list([1, 2])]

可以理解为.apply()是以整个轴为单位，看成1个x，而.applymap()是以每个元素为单位看成1个x，这样吗？

rsj0315

O2H2O 发表于 2021-6-10 09:26
可以理解为.apply()是以整个轴为单位，看成1个x，而.applymap()是以每个元素为单位看成1个x，这样吗？

我的理解是这样的

阿奇_o

你再仔细读两遍文档对参数的解释：

1. func : function
   
2. Function to apply to each column or row.
   
3. 
   
4. axis : {0 or ‘index’, 1 or ‘columns’}, default 0
   
5. Axis along which the function is applied:
   
6. 
   
7. 0 or ‘index’: apply function to each column.
   
8. 1 or ‘columns’: apply function to each row.

复制代码

axis = 0, 相当于 构造df时，这样 pd.DataFrame( {'A': [1, 2], 'B': [1, 2]} )  
即 0 or ‘index’: apply function to each column.

axis = 1, 即 相当于 pd.DataFrame( [ [1, 2], [1, 2], [1,2] ] )
即 1 or ‘columns’: apply function to each row.

应该很清楚了吧。

另外，对于df.apply(lambda x: x+1) 时，它比较“智能”，
它“知道”你是想要对每行或每列里的每个值进行+1，这种情况和用法很常见，故更易理解。