有时可能需要沿着数据框的元素应用某些功能。所有功能无法向量化。这就是功能“ applymap”出现的地方。
这将一个值作为输入,并返回一个值作为输出。
import pandas as pd import numpy as np my_df = pd.DataFrame(np.random.randn(5,5),columns=['col_1','col_2','col_3', 'col_4', 'col_5']) print("生成的数据帧是 ")print(my_df)my_df.applymap(lambda x:x*11.45) print("Using the applymap function") print(my_df.apply(np.mean))
输出结果
生成的数据帧是 col_1 col_2 col_3 col_4 col_5 0 -0.671510 -0.860741 0.886484 0.842158 2.182341 1 -1.355763 0.247240 -0.653630 -0.278095 0.163044 2 -0.816203 1.664006 1.555648 1.625890 -0.412338 3 -1.013273 -1.565076 1.297014 -0.303504 -1.623573 4 0.725949 -0.077588 -0.886957 0.433478 -0.300151 Using the applymap function col_1 -0.626160 col_2 -0.118432 col_3 0.439712 col_4 0.463985 col_5 0.001865 dtype: float64
导入所需的库,并为其指定别名,以方便使用。
通过使用“随机”功能并创建具有5行和5列的数据来创建数据框。
在定义数据框值时,列名也在列表中定义。
数据框被打印在控制台上。
“ applymap”功能应用于数据框的元素。
函数定义是在“ applymap”函数内部编写的lambda函数。
数据被打印在控制台上。