pandas中如何应用apply和lambda

这篇"pandas中如何应用apply和lambda"文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇"pandas中如何应用apply和lambda"文章吧。

apply(func [, args [, kwargs ]]) 函数用于当函数参数已经存在于一个元组或字典中时，间接地调用函数。args是一个包含将要提供给函数的按位置传递的参数的元组。如果省略了args，任 何参数都不会被传递，kwargs是一个包含关键字参数的字典。简单说apply()的返回值就是func()的返回值，apply()的元素参数是有序的，元素的顺序必须和func()形式参数的顺序一致，与map的区别是前者针对column，后者针对元素

lambda是匿名函数，即不再使用def的形式，可以简化脚本，使结构不冗余何简洁

a =  lambda x  : x + 1 a(10) 11

两者结合可以做很多很多事情，比如split在series里很多功能不可用，而index就可以做

比如有一串数据如下，要切分为总数，正确数，正确率，则可这样做

96%(1368608/1412722)
97%(1389916/1427922)
97%(1338695/1373803)
96%(1691941/1745196)
95%(1878802/1971608)
97%(944218/968845)
96%(1294939/1336576)

import pandas as pd#先生成一个dataframed = {"col1" : ["96%(1368608/1412722)","97%(1389916/1427922)","97%(1338695/1373803)","96%(1691941/1745196)","95%(1878802/1971608)","97%(944218/968845)","96%(1294939/1336576)"]}df1 = pd.DataFrame(d) #切分原文中识别率总数，采用apply + 匿名函数#lambda 函数的意思是选取x的序列值 ，比如 x[6:9]#index函数的意思是把当前字符位置转变为所在位置的位数#-1是最后一位df1['正确数'] = df1.iloc[:,0].apply(lambda x : x[x.index('(') + 1 : x.index('/')])df1['总数'] = df1.iloc[:,0].apply(lambda x : x[x.index('/') + 1 : -1])df1['正确率'] = df1.iloc[:,0].apply(lambda x : x[:x.index('(')])df1

示例2

由一组dataframe数据，包括有数值型的三列气象要素，由这三列通过公式计算人体舒适指数

应用到的人体舒适指数计算公式：

import pandas as pdimport numpy as npimport mathpath='D:\\data\\57582.csv'  #文件路径data=pd.read_csv(path,index_col=0,encoding='gbk')  #读取数据有中文时用gbk解码#定义舒适指数公式函数，结果保留1位小数def get_CHB(T,RH,S):    return round(1.8*T-0.55*(1.8*T-26)*(1-RH/100)-3.2*math.sqrt(S)+32,1)#增加一列CHB并计算数据后赋值data['舒适指数']=data.apply(lambda x:get_CHB(x['平均气温'],x['平均相对湿度'],x['2M风速']),axis=1)#打印结果print(data)#保存结果data.to_csv('D:\\CHB.csv',encoding='gbk')

代码中使用了apply和lambda的组合，传入的参数x为整个data数据，在函数中引入的参数则是x[‘平均气温’],x[‘平均相对湿度’],x[‘2M风速’],与自定义的函数get_CHB对应。最后需使用axis=1来指定是对列进行运算。

结果如图所示：

以上就是关于"pandas中如何应用apply和lambda"这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注行业资讯频道。