跳转至

蟒蛇|熊猫系列. apply()

原文:https://www.geeksforgeeks.org/python-pandas-series-apply/

熊猫系列是带有轴标签的一维数组。标签不必是唯一的,但必须是可散列的类型。该对象支持基于整数和基于标签的索引,并提供了一系列方法来执行涉及索引的操作。

熊猫 **Series.apply()**函数调用给定序列对象的每个元素上传递的函数。

语法: Series.apply(func,convert_dtype=True,args=(),**kwds)

参数: 函数: Python 函数或 NumPy ufunc 来应用。 convert_dtype : 尝试为 elementwise 函数结果找到更好的 dtype。 参数:在序列值之后传递给 func 的位置参数。 **kwds : 传递给 func 的其他关键字参数。

返回:系列

示例#1: 如果城市是‘里约’,使用Series.apply()功能将城市名称更改为‘蒙特利尔’。

# importing pandas as pd
import pandas as pd

# Creating the Series
sr = pd.Series(['New York', 'Chicago', 'Toronto', 'Lisbon', 'Rio'])

# Create the Index
index_ = ['City 1', 'City 2', 'City 3', 'City 4', 'City 5'] 

# set the index
sr.index = index_

# Print the series
print(sr)

输出:

City 1    New York
City 2     Chicago
City 3     Toronto
City 4      Lisbon
City 5         Rio
dtype: object

现在如果城市是‘里约’,我们将使用Series.apply()功能将城市名称更改为‘蒙特利尔’。

# change 'Rio' to 'Montreal'
# we have used a lambda function
result = sr.apply(lambda x : 'Montreal' if x =='Rio' else x )

# Print the result
print(result)

输出:

City 1    New York
City 2     Chicago
City 3     Toronto
City 4      Lisbon
City 5    Montreal
dtype: object

正如我们在输出中看到的,Series.apply()功能已经成功地将城市名称更改为‘蒙特利尔’。

示例 2 : 如果给定系列对象中的值大于 30,则使用Series.apply()函数返回真,否则返回假。

# importing pandas as pd
import pandas as pd

# Creating the Series
sr = pd.Series([11, 21, 8, 18, 65, 18, 32, 10, 5, 32, None])

# Create the Index
# apply yearly frequency
index_ = pd.date_range('2010-10-09 08:45', periods = 11, freq ='Y')

# set the index
sr.index = index_

# Print the series
print(sr)

输出:

2010-12-31 08:45:00    11.0
2011-12-31 08:45:00    21.0
2012-12-31 08:45:00     8.0
2013-12-31 08:45:00    18.0
2014-12-31 08:45:00    65.0
2015-12-31 08:45:00    18.0
2016-12-31 08:45:00    32.0
2017-12-31 08:45:00    10.0
2018-12-31 08:45:00     5.0
2019-12-31 08:45:00    32.0
2020-12-31 08:45:00     NaN
Freq: A-DEC, dtype: float64

现在,如果给定序列对象中的值大于 30,我们将使用Series.apply()函数返回真,否则返回假。

# return True if greater than 30
# else return False
result = sr.apply(lambda x : True if x>30 else False)

# Print the result
print(result)

输出:

2010-12-31 08:45:00    False
2011-12-31 08:45:00    False
2012-12-31 08:45:00    False
2013-12-31 08:45:00    False
2014-12-31 08:45:00     True
2015-12-31 08:45:00    False
2016-12-31 08:45:00     True
2017-12-31 08:45:00    False
2018-12-31 08:45:00    False
2019-12-31 08:45:00     True
2020-12-31 08:45:00    False
Freq: A-DEC, dtype: bool

正如我们在输出中看到的那样,Series.apply()函数已经成功地返回了给定序列对象的 numpy 数组表示。



回到顶部