pandas数据清洗——apply函数

gzj137070928

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。

1. import pandas as pd
   
2. import numpy as np
   
3. s = pd.Series(np.arange(2,6))
   
4. print (s)
   
5. print (s.apply(lambda x : 2 * x))

复制代码

2、对DataFrame应用apply函数。

1. import pandas as pd
   
2. import numpy as np
   
3. 
   
4. idx = [1,3,2,4]
   
5. val = np.arange(16).reshape((4,4))
   
6. col = "hello the crue lworld".split()
   
7. df = pd.DataFrame(val, index = idx,columns=col)
   
8. print (df)
   
9. print (df.apply(lambda col : col.sum(), axis = 0))
   
10. print (df.apply(lambda row : row.sum(), axis = 1))
    
11. df["hello x the"] = df.apply(lambda row : row.hello * row.the, axis = 1)
    
12. print (df)

复制代码

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。

1. df2 = pd.DataFrame(val, index = idx, columns = col)
   
2. print (df2)
   
3. print (df.applymap(lambda x : x + 3))

复制代码