博客

详解pandas.DataFrame.applymap()（应用函数到数据框元素）函数使用方法

  • Post category:Python

下面就详细讲解pandas.DataFrame.applymap()的作用与使用方法的完整攻略。

pandas.DataFrame.applymap()作用及说明

pandas库是Python数据处理分析必备之一，其中pandas.DataFrame是最常用的数据类型之一。DataFrame是一个二维的表格，可以存储不同数据类型的数据，可以通过处理、操作等方法实现对数据的分析和处理。applymap()方法是pandas.DataFrame类中的一个重要方法，该方法的作用是在DataFrame中的每个元素上应用一个函数。

具体来说，applymap()方法是将DataFrame中的每个元素都应用于一个指定的函数，并返回一个新的DataFrame对象，其中的每个元素都是函数作用于原始DataFrame中对应元素的结果。

pandas.DataFrame.applymap()使用方法

pandas.DataFrame.applymap()方法需要传入一个函数，它可接受一个参数x，x是传入DataFrame中的每个元素。applymap调用函数时将DataFrame中的每个元素都传递给x，然后根据函数的返回值构建一个新的DataFrame。

具体来说，语法为：

df.applymap(func)

其中，df是待处理的DataFrame对象，func是对每个元素执行的函数，返回值为新的DataFrame对象。

接下来，我们通过两个实例来说明applymap()方法的使用。

示例1：利用applymap()方法实现对DataFrame中的每个元素进行格式化操作

我们可以通过applymap()方法来实现对DataFrame中每个元素的格式操作。具体来说，我们可以将每个元素都格式化成指定的日期时间格式。

import pandas as pd

# 构建一个DataFrame
df1 = pd.DataFrame({'A': ['20201101', '20201102', '20201103'], 'B': ['12:01:01', '12:02:02', '12:03:03']})

# 输出原始的DataFrame
print('原始的DataFrame：\n{}'.format(df1))

# 自定义函数完成格式化
def format_datetime(x):
    return pd.to_datetime(x,format='%Y%m%d %H:%M:%S')

# 对DataFrame中每个元素进行格式化操作
df2 = df1.applymap(format_datetime)

# 输出格式化之后的DataFrame
print('格式化之后的DataFrame：\n{}'.format(df2))

输出结果如下所示：

原始的DataFrame：
          A         B
0  20201101  12:01:01
1  20201102  12:02:02
2  20201103  12:03:03
格式化之后的DataFrame：
           A                   B
0 2020-11-01 1900-01-01 12:01:01
1 2020-11-02 1900-01-01 12:02:02
2 2020-11-03 1900-01-01 12:03:03

以上代码演示了如何通过applymap()方法实现对DataFrame中每个元素的格式化操作。在自定义函数中，我们首先调用了pandas.to_datetime()函数将传入的参数转换成特定的日期时间格式，然后将结果返回。applymap()方法对于传入的自定义函数进行操作，结果返回一个新的DataFrame对象。

示例2：利用applymap()方法实现对DataFrame中每个元素进行向量运算

我们可以通过applymap()方法来实现对DataFrame中的每个元素进行向量运算，具体来说，我们可以将每个元素都加上4。

import pandas as pd
import numpy as np

# 构建一个DataFrame
df1=pd.DataFrame(np.random.randn(4,3),columns=list('ABC'))

# 输出原始的DataFrame
print('原始的DataFrame：\n{}'.format(df1))

# 自定义函数完成向量运算
def vector_operation(x):
    return x + 4

# 对DataFrame中每个元素进行向量运算
df2 = df1.applymap(vector_operation)

# 输出向量运算之后的DataFrame
print('向量运算之后的DataFrame：\n{}'.format(df2))

输出结果如下所示：

原始的DataFrame：
          A         B         C
0 -0.524763  0.709049  1.091361
1  2.181066  0.866834  0.842679
2 -0.926014  1.105754 -0.056103
3  0.427006 -0.570752  0.294782
向量运算之后的DataFrame：
          A         B         C
0  3.475237  4.709049  5.091361
1  6.181066  4.866834  4.842679
2  3.073986  5.105754  3.943897
3  4.427006  3.429248  4.294782

以上代码演示了如何通过applymap()方法实现对DataFrame中每个元素的向量运算。在自定义函数中，我们首先进行向量运算，然后将结果返回。applymap()方法对于传入的自定义函数进行操作，结果返回一个新的DataFrame对象。

总之，applymap()方法是pandas.DataFrame类中一个重要的数据处理函数，通过该方法可以实现对DataFrame对象中的每个元素应用一个函数，并返回一个新的DataFrame对象，极大地方便了数据的分析和处理。

Tags: