pandas中的apply函数

• apply在调用函数时，默认将数据框逐行或逐列作为一个参数代入调用的函数中
• apndas 的 apply() 函数可以作用于 Series 或者整个 DataFrame，功能也是自动遍历整个 Series 或者 DataFrame, 对每一个元素运行指定的函数 。Pandas 的很多对象都可以使用 apply() 来调用函数，如 Dataframe、Series、分组对象、各种时间序列等。

apply 函数接收带有参数的函数

• 键字参数。假设我们对不同的民族可以给不同的加分，定义 add_extra2() 函数通过 args = () 来传递参数，类型为 tuple，一般第一个函数默认为apply处理数据对象，所以agrs传参从第二个参数开始。

data = pd.DataFrame([[1,2,3],[3,4,6],[5,6,8],[7,8,8]],columns=['A','B',"C"])
def fun2(x,y):
    if x>np.mean(y):
        return 1
    else:
        return 0
data.loc[:,'A'].apply(fun2,args=(data.loc[:,'B'],))

• 键字参数，直接写就好如下面freq="M"

df[["HepB_1","HepB_2"]] = df[["HepB_1","HepB_2"]].apply(pd.PeriodIndex,freq="M")#添加参数

同时运用多个函数

• 有时候需要批量对同一列数据运用多个函数，这里只需以list将运用的函数传入即可

data = pd.DataFrame([[1,2,3],[3,4,6],[5,6,8],[7,8,8]],columns=['A','B',"C"])
data.loc[:,'A'].apply([str,float,int])

对多列运用同一函数

import pandas as pd
data = pd.DataFrame([[1,2,3],[3,4,6],[5,6,8],[7,8,8]],columns=['A','B',"C"])
cloum = df.columns[1:]
df[cloum].apply(float)
data.apply(float)
#上面无论是选取整个数据框或者多列数据均报错
TypeError: cannot convert the series to <class 'float'>
data.applymap(float)