当前位置：首页 > article >正文

pandas中的apply方法使用

article 2025/2/2 23:54:15

apply 用于对 DataFrame 或 Series 中的数据进行逐行或逐列的操作。它可以接受一个函数（通常是 lambda 函数或自定义函数），并将该函数应用到每一行或每一列上。apply语法：

DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwargs)

func：要应用的函数。可以是lambda函数、自定义函数或内置函数。
axis：

默认是0，将函数应用到每一列

axis = 1表示将函数应用到每一行
raw：

默认是False，将每一行或每一列作为 Series 传递给函数。

raw = True，表示将每一行或每一列作为 NumPy 数组传递给函数。

对每一列应用函数

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

result = df.apply(sum)
print(result)
# A     6     
# B    15     
# dtype: int64

对每一行应用函数

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

result = df.apply(sum, axis=1)
print(result)
# 0    5      
# 1    7      
# 2    9      
# dtype: int64

使用lambda函数

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

# 对每一行计算 A 和 B 的乘积
result = df.apply(lambda row: row['A'] * row['B'], axis=1)
print(result)
# 0     4
# 1    10
# 2    18
# dtype: int64

使用自定义函数

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

# 自定义函数：计算 A 和 B 的平方和
def square_sum(row:pd.Series) -> int:
    return row['A'] ** 2 + row['B'] ** 2

# 对每一行应用自定义函数
result = df.apply(square_sum, axis=1)
print(result)
# 0    17
# 1    29
# 2    45
# dtype: int64

apply 是逐行或逐列操作的，因此在处理大规模数据时可能较慢。在处理大规模数据时，需注意性能问题，尽量使用向量化操作。

力扣上的pandas题：1873. 计算特殊奖金 - 力扣（LeetCode）

编写解决方案，计算每个雇员的奖金。如果一个雇员的 id 是奇数并且他的名字不是以 'M' 开头，那么他的奖金是他工资的 100% ，否则奖金为 0 。

解题思路就是使用apply方法。

import pandas as pd

def calculate_special_bonus(employees: pd.DataFrame) -> pd.DataFrame:
    employees['bonus'] = employees.apply(
        lambda x: x['salary'] if x['employee_id'] % 2 == 1 and not x['name'].startswith('M') else 0,
        axis = 1
    )
    return employees[['employee_id', 'bonus']].sort_values(by='employee_id')