Pandas中map、apply与applymap函数的核心区别解析
发布时间：2026-10-13 |
5人浏览过
本文详解Pandas中map、apply和applymap三个函数的区别。apply用于对Series或DataFrame的行/列应用函数；applymap专门针对DataFrame的每个元素执行操作；map则用于Series元素的逐元素转换。通过具体代码示例，帮助开发者准确选择合适的方法进行数据处理。
1. apply()函数
当需要将某个函数应用到一维向量（如Series或DataFrame的行/列）时，可以使用apply()方法。具体使用方式如下所示：
In [116]: frame = DataFrame(np.random.randn(4, 3), columns=list('bde'), index=['Utah', 'Ohio', 'Texas', 'Oregon'])
In [117]: frame
Out[117]:
b d e
Utah -0.029638 1.081563 1.280300
Ohio 0.647747 0.831136 -1.549481
Texas 0.513416 -0.884417 0.195343
Oregon -0.485454 -0.477388 -0.309548
In [118]: f = lambda x: x.max() - x.min()
In [119]: frame.apply(f)
Out[119]:
b 1.133201
d 1.965980
e 2.829781
dtype: float64
然而，由于大多数列表统计函数（例如sum和mean）已经是DataFrame的内置方法，因此在这些场景下，apply()往往不是必需的。
2. applymap()函数
如果希望将某个函数应用到DataFrame中的每一个单独元素，应使用applymap()。其用法示例如下：
In [120]: format = lambda x: '%.2f' % x
In [121]: frame.applymap(format)
Out[121]:
b d e
Utah -0.03 1.08 1.28
Ohio 0.65 0.83 -1.55
Texas 0.51 -0.88 0.20
Oregon -0.49 -0.48 -0.31
3. map()函数
map()主要用于将函数作用于Series中的每一个元素。具体用法如下所示：
In [122]: frame['e'].map(format) Out[122]: Utah 1.28 Ohio -1.55 Texas 0.20 Oregon -0.31 Name: e, dtype: object
总结来说，apply()用于对DataFrame的行或列应用函数；applymap()用于对DataFrame的每个元素应用函数；而map()则用于对Series的每个元素应用函数。
以上关于Pandas中map、apply和applymap区别的介绍到此结束，希望能为读者提供参考。欢迎继续支持本站获取更多技术内容。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
