Python | Pandas.apply()
Pandas.apply 允许用户传递一个函数，并将其应用于 Pandas 系列的每个值。这对熊猫图书馆来说是一个巨大的进步，因为这个功能有助于根据所需的条件分离数据，从而有效地用于数据科学和机器学习。
安装: 使用终端上的以下命令将 Pandas 模块导入 python 文件:
pip install pandas
要读取 csv 文件并将其压缩成 pandas 系列，可使用以下命令:
import pandas as pd
s = pd.read_csv("stock.csv", squeeze=True)
语法:
s.apply(func, convert_dtype=True, args=())
参数:
功能:。apply 接受一个函数，并将其应用于 pandas 系列的所有值。 convert_dtype: 根据函数的操作转换 dtype。 args=(): 要传递给函数而不是序列的附加参数。 应用功能/操作后返回类型:熊猫系列。
数据集点击这里下载。
示例#1:
下面的示例传递一个函数，检查序列中每个元素的值，并相应地返回低、正常或高。
import pandas as pd
# reading csv
s = pd.read_csv("stock.csv", squeeze = True)
# defining function to check price
def fun(num):
if num<200:
return "Low"
elif num>= 200 and num<400:
return "Normal"
else:
return "High"
# passing function to apply and storing returned series in new
new = s.apply(fun)
# printing first 3 element
print(new.head(3))
# printing elements somewhere near the middle of series
print(new[1400], new[1500], new[1600])
# printing last 3 elements
print(new.tail(3))
输出:
例 2:
在下面的示例中，在中创建了一个临时匿名函数。使用 lambda 应用自身。它将序列中的每个值加 5，并返回一个新的序列。
import pandas as pd
s = pd.read_csv("stock.csv", squeeze = True)
# adding 5 to each value
new = s.apply(lambda num : num + 5)
# printing first 5 elements of old and new series
print(s.head(), '\n', new.head())
# printing last 5 elements of old and new series
print('\n\n', s.tail(), '\n', new.tail())
输出:
0 50.12
1 54.10
2 54.65
3 52.38
4 52.95
Name: Stock Price, dtype: float64
0 55.12
1 59.10
2 59.65
3 57.38
4 57.95
Name: Stock Price, dtype: float64
3007 772.88
3008 771.07
3009 773.18
3010 771.61
3011 782.22
Name: Stock Price, dtype: float64
3007 777.88
3008 776.07
3009 778.18
3010 776.61
3011 787.22
Name: Stock Price, dtype: float64
正如观察到的，新值=旧值+ 5
