[已解决]pandas.DataFrame.apply的疑问

O2H2O

关于apply的用法，假设有一个DataFrame

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

如果对df引入lambda x :x+1函数，结果比较好理解

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

如果引入lambda x: [1, 2]，就看不懂了，

>>> df.apply(lambda x: [1, 2],axis=0)
   A  B
0  1  1
1  2  2
>>> df.apply(lambda x: [1, 2], axis=1)
0    [1, 2]
1    [1, 2]
2    [1, 2]
dtype: object

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.”

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

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.”

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

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

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

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：

func : function 
Function to apply to each column or row.

axis : {0 or ‘index’, 1 or ‘columns’}, default 0
Axis along which the function is applied:

0 or ‘index’: apply function to each column.
1 or ‘columns’: apply function to each row. 

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。