Python Pandas中apply函数的用法详解与示例

Felix

发布时间：2026-10-15 | 5人浏览过

原创

本文详细介绍Python中Pandas库的apply函数，涵盖其函数原型、参数含义及核心用法。通过具体代码示例，演示如何对DataFrame的指定列、整体列及行进行自定义函数计算，并展示其与groupby函数结合使用的场景，帮助开发者高效处理数据。

apply函数原型与核心参数

函数原型：

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

该函数最核心的参数是第一个参数，它接收一个函数对象，类似于C/C++中的函数指针。
用户需要自行定义这个函数。函数的传入参数取决于axis参数的设置：当axis = 1时，每一行的数据将作为Series对象传入。
结构传入给自己实现的函数中，我们在函数中实现对Series不同属性之间的计算，返回一个结果，则apply函数
会自动遍历每一行DataFrame的数据，最后将所有结果组合成一个Series数据结构
并返回。
3.apply函数常与groupby函数一起使用，如下图所示:

4.举栗子

对指定列进行操作:

指定列与行的应用示例

data=np.arange(0,16).reshape(4,4)
data=pd.DataFrame(data,columns=['0','1','2','3'])
def f(x):
    return x-1
print(data)
print(data.ix[:,['1','2']].apply(f))
    0   1   2   3
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15
    1   2
0   0   1
1   4   5
2   8   9
3  12  13

对行操作:

data=np.arange(0,16).reshape(4,4)
data=pd.DataFrame(data,columns=['0','1','2','3'])
def f(x):
    return x-1
print(data)
print(data.ix[[0,1],:].apply(f))
    0   1   2   3
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15
   0  1  2  3
0 -1  0  1  2
1  3  4  5  6

整体对列操作:

整体列与行的应用示例

data=np.arange(0,16).reshape(4,4)
data=pd.DataFrame(data,columns=['0','1','2','3'])
def f(x):
    return x.max()
print(data)
print(data.apply(f))
    0   1   2   3
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15

0    12
1    13
2    14
3    15
dtype: int64

整体对行操作:

data=np.arange(0,16).reshape(4,4)
data=pd.DataFrame(data,columns=['0','1','2','3'])
def f(x):
    return x.max()
print(data)
print(data.apply(f,axis=1))
    0   1   2   3
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15
0     3
1     7
2    11
3    15
dtype: int64

到此这篇关于python中apply函数详情的文章就介绍到这了,更多相关python中apply函数内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！