Pandas中Apply函数的核心用法与参数详解

拾光

发布时间：2026-10-15 | 3人浏览过

原创

本文深入解析Pandas库中自由度最高的Apply函数。详细讲解如何通过axis参数控制遍历方向，利用自定义函数实现行级或列级数据计算。重点演示如何结合*args和**kwds向Apply传递额外参数，以灵活处理如日期差计算等复杂逻辑，提升数据清洗效率。

Pandas中最为实用的函数

Pandas是Python语言中极其实用的数据结构库，提供了丰富的数据操作工具。许多算法库函数的输入要求或接口均依赖于pandas数据结构。

查阅Pandas的API文档可以发现，其中包含大量实用函数，例如常用的文件读写操作，具体包括以下函数：

Format Type	Data Description	Reader	Writer
text	CSV	read_csv	to_csv
text	JSON	read_json	to_json
text	HTML	read_html	to_html
text	Local clipboard	read_clipboard	to_clipboard
binary	MS Excel	read_excel	to_excel
binary	HDF5 Format	read_hdf	to_hdf
binary	Feather Format	read_feather	to_feather
binary	Parquet Format	read_parquet	to_parquet
binary	Msgpack	read_msgpack	to_msgpack
binary	Stata	read_stata	to_stata
binary	SAS	read_sas
binary	Python Pickle Format	read_pickle	to_pickle
SQL	SQL	read_sql	to_sql
SQL	Google Big Query	read_gbq	to_gbq

数据读取完成后，针对数据处理环节存在多种有效操作函数，但笔者认为其中最具价值的函数如下：

Apply函数

Apply函数是`pandas`库中自由度最高的函数。其基本语法如下：

DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)

该函数最核心的部分在于第一个参数，即传入的函数，这类似于C/C++中的函数指针机制。

该函数需由用户自行定义，其传入参数取决于axis的设置。例如，当设定axis = 1时，系统会将每一行数据以Series的数据结构形式传入用户自定义的函数中。在函数内部，我们可以对Series的不同属性进行计算并返回结果。随后，apply函数会自动遍历每一行DataFrame的数据，最终将所有返回结果组合成一个Series数据结构并返回。

例如，读取一个表格文件：

计算属性间的时间差

若需计算表格中PublishedTime与ReceivedTime属性之间的时间差，可使用以下函数实现：


import pandas as pd
import datetime  #用来计算日期差的包

def dataInterval(data1,data2):
  d1 = datetime.datetime.strptime(data1, '%Y-%m-%d')
  d2 = datetime.datetime.strptime(data2, '%Y-%m-%d')
  delta = d1 - d2
  return delta.days

def getInterval(arrLike): #用来计算日期间隔天数的调用的函数
  PublishedTime = arrLike['PublishedTime']
  ReceivedTime = arrLike['ReceivedTime']
#  print(PublishedTime.strip(),ReceivedTime.strip())
  days = dataInterval(PublishedTime.strip(),ReceivedTime.strip()) #注意去掉两端空白
  return days

if __name__ == '__main__':  
  fileName = "NS_new.xls";
  df = pd.read_excel(fileName) 
  df['TimeInterval'] = df.apply(getInterval , axis = 1)

向Apply函数传递额外参数

有时，我们需要向自定义函数传递额外参数。此时可利用apply函数的*args和**kwds参数。例如，对于同样的时间差计算函数，若希望动态传递时间差的标签名称，从而避免每次修改标签都需改动函数代码，实现代码如下：


import pandas as pd
import datetime  #用来计算日期差的包

def dataInterval(data1,data2):
  d1 = datetime.datetime.strptime(data1, '%Y-%m-%d')
  d2 = datetime.datetime.strptime(data2, '%Y-%m-%d')
  delta = d1 - d2
  return delta.days

def getInterval_new(arrLike,before,after): #用来计算日期间隔天数的调用的函数
  before = arrLike[before]
  after = arrLike[after]
#  print(PublishedTime.strip(),ReceivedTime.strip())
  days = dataInterval(after.strip(),before.strip()) #注意去掉两端空白
  return days


if __name__ == '__main__':  
  fileName = "NS_new.xls";
  df = pd.read_excel(fileName) 
  df['TimeInterval'] = df.apply(getInterval_new , 
   axis = 1, args = ('ReceivedTime','PublishedTime'))  #调用方式一
  #下面的调用方式等价于上面的调用方式
  df['TimeInterval'] = df.apply(getInterval_new , 
   axis = 1, **{'before':'ReceivedTime','after':'PublishedTime'}) #调用方式二
  #下面的调用方式等价于上面的调用方式
  df['TimeInterval'] = df.apply(getInterval_new , 
   axis = 1, before='ReceivedTime',after='PublishedTime') #调用方式三

修改后的getInterval_new函数增加了两个参数。在使用apply函数时，需自行传递这些参数。代码中展示了三种可行的传递方式，均能正常运行。

最后，本文涉及的全部代码可在以下网页下载：

https://github.com/Dongzhixiao/Python_Exercise/tree/master/pandas_apply

至此，关于Pandas Apply函数具体使用的介绍到此结束。如需了解更多相关Pandas Apply函数内容，请搜索本站历史文章或继续浏览后续相关文章，希望大家今后多多支持本站！