一篇文章了解Apply、Map、Aplymap这三个函数的区别我也知道需要用到apply、map或者applymap，但是具体情况下具体使用哪个方法或者对这些方法了解不够。合作伙伴了解它们之间的区别，遇到问题时可以清楚地了解使用哪个以及如何使用。事不宜迟，让我们开始吧。首先总结一下apply:appliedtotherowsorcolumnsofaDataFrame,ortoeachelementofaSingleSeriesmap:appliedtoeachelementofaDataFrameApply从apply开始当然，最权威的解释还是要看官方文档：apply是沿着DataFrame的轴应用函数。传递给函数的对象是一个Series对象，其索引为DataFrame(axis=0'')或者DataFrame的索引，当然更常用的是column(axis=1'')还是DataFrame.apply()，让我们用一个例子来说明它以帮助理解。首先有一个表：适用于DataFrame如果我们要求每一列或者每一列极差，注意axis参数的设置，一般默认为0，即求每一列的极值.apply参数可以直接接收现成函数，也可以接收自定义函数，比如自定义匿名函数：通过轴信息设置，也可以找到每一行的范围：需要注意的是索引结果，它可以清楚地告诉您是要查找行范围还是列范围。如果是行范围，索引就是行标签。如果是列极坏，索引就是列名。另外，在整个DataFrame上使用apply时，需要保证所有字段作为参数都满足功能要求。比如在列中，需要保证所有的字段都是数值型的。如果整个DataFrame不能满足要求，可以把符合要求的字段裁剪出来再apply。如果需要，还可以将搜索结果添加到原始表中。ApplyapplytoSeries，如本例，将A列所有元素的数据类型从整型转为浮点型：综上所述，applytotheentireDataFrame可以对整列或整行进行操作，并应用到Series，它对每个元素执行操作。这个操作也可以通过map来实现。map首先我们看一下官方文档是怎么说的：根据输入的对应关系映射Series的值。用于将Series中的每个值替换为另一个值，该值可以从函数dict或Series派生。官方说map是应用于Seriesd的，参数可以是函数也可以是字典。首先，还有一张表：现在需要将性别转化为0和1，女性为0，男性为1，这时候不要写循环，map()很容易实现，我们试试first的形式：defgender(x):G=1ifx=="male"else0returnGmap的参数不仅可以是参数，还可以是字典，区别于apply对参数的要求：applymap最后，我们先看看applymap，还是先看官方文档：Applyingafunctiontoadataframeelementbyelement。此方法应用一个函数，该函数接受一个标量并将其返回到DataFrame的每个元素。简单来说，applymap对DataFrame中的每个元素应用一个函数。必须区别于apply对整列或整行的操作。apply如果想直接对每个元素进行操作，必须将Series单独提取出来。可以实现，但不能直接在整个DataFrame上执行。让我们看下面的例子。还是一开始的表格：现在我们需要将每个元素的数据类型转换成浮点型，applymap()就派上用场了：最后总结一下：apply：可以在DataFrame中使用，也可以单独使用的时候DataFrame用在Series中，是用在整行或整列上，而不是一个一个地用在每个元素上，只能应用于一个Series的每个元素上。参数可以是函数或字典，也可以是序列。用法是上面提到的例子中的用法。希望本文能帮助大家区分apply、map和applymap，灵活使用。
