Python|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。
版权属于：月萌API www.moonapi.com，转载请注明出处
