大家好，又見面了，我是你們的朋友全棧君。
理解 pandas 的函數，要對函數式編程有一定的概念和理解。函數式編程，包括函數式編程思維，當然是一個很復雜的話題，但對今天介紹的 apply() 函數，只需要理解：函數作為一個對象，能作為參數傳遞給其它函數，也能作為函數的返回值。
函數作為對象能帶來代碼風格的巨大改變。舉一個例子，有一個類型為 list 的變量，包含 從 1 到 10 的數據，需要從其中找出能被 3 整除的所有數字。用傳統的方法：
def can_divide_by_three(number):
if number % 3 == 0:
return True
else:
return False
selected_numbers = []
for number in range(1, 11):
if can_divide_by_three(number):
selected_numbers.append(number)循環是不可少的，因為 can_divide_by_three() 函數只用一次，考慮用 lambda 表達式簡化：
divide_by_three = lambda x : True if x % 3 == 0 else False
selected_numbers = []
for number in range(1, 11):
if divide_by_three(item):
selected_numbers.append(item)以上是傳統編程思維方式，而函數式編程思維則完全不同。我們可以這樣想：從 list 中取出特定規則的數字，能不能只關注和設置規則，循環這種事情交給編程語言去處理呢？當然可以。當編程人員只關心規則（規則可能是一個條件，或者由某一個 function 來定義），代碼將大大簡化，可讀性也更強。
Python 語言提供 filter() 函數，語法如下：
filter(function, sequence)filter() 函數的功能：對 sequence 中的 item 依次執行 function(item)，將結果為 True 的 item 組成一個 List/String/Tuple（取決於 sequence 的類型）並返回。有了這個函數，上面的代碼可以簡化為：
divide_by_three = lambda x : True if x % 3 == 0 else False
selected_numbers = filter(divide_by_three, range(1, 11))將 lambda 表達式放在語句中，代碼簡化到只需要一句話就夠了：
selected_numbers = filter(lambda x: x % 3 == 0, range(1, 11))回到主題， pandas 的 apply() 函數可以作用於 Series 或者整個 DataFrame，功能也是自動遍歷整個 Series 或者 DataFrame, 對每一個元素運行指定的函數。
舉一個例子，現在有這樣一組數據，學生的考試成績：
Name Nationality Score
張 漢 400
李 回 450
王 漢 460如果民族不是漢族，則總分在考試分數上再加 5 分，現在需要用 pandas 來做這種計算，我們在 Dataframe 中增加一列。當然如果只是為了得到結果， numpy.where() 函數更簡單，這裡主要為了演示 Series.apply() 函數的用法。
import pandas as pd
df = pd.read_csv("studuent-score.csv")
df['ExtraScore'] = df['Nationality'].apply(lambda x : 5 if x != '漢' else 0)
df['TotalScore'] = df['Score'] + df['ExtraScore']對於 Nationality 這一列， pandas 遍歷每一個值，並且對這個值執行 lambda 匿名函數，將計算結果存儲在一個新的 Series 中返回。上面代碼在 jupyter notebook 中顯示的結果如下：
Name Nationality Score ExtraScore TotalScore
0 張 漢 400 0 400
1 李 回 450 5 455
2 王 漢 460 0 460apply() 函數當然也可執行 python 內置的函數，比如我們想得到 Name 這一列字符的個數，如果用 apply() 的話：
df['NameLength'] = df['Name'].apply(len)根據 pandas 幫助文檔 pandas.Series.apply — pandas 1.3.1 documentation，該函數可以接收位置參數或者關鍵字參數，語法如下：
Series.apply(func, convert_dtype=True, args=(), **kwargs)對於 func 參數來說，該函數定義中的第一個參數是必須的，所以 funct() 除第一個參數之外的其它參數則被視為額外的參數，作為參數來傳遞。我們仍以剛才的示例進行說明，假設除漢族外，其他少數名族有加分，我們把加分放在函數的參數中，先定義一個 add_extra() 函數：
def add_extra(nationality, extra):
if nationality != "漢":
return extra
else:
return 0對 df 新增一列：
df['ExtraScore'] = df.Nationality.apply(add_extra, args=(5,))位置參數通過 args = () 來傳遞參數，類型為 tuple。也可用下面的方法調用：
df['ExtraScore'] = df.Nationality.apply(add_extra, extra=5)運行後結果為：
Name Nationality Score ExtraScore
0 張 漢 400 0
1 李 回 450 5
2 王 漢 460 0將 add_extra 作為 lambda 函數：
df['Extra'] = df.Nationality.apply(lambda n, extra : extra if n == '漢' else 0, args=(5,))下面繼續講解關鍵字參數。假設我們對不同的民族可以給不同的加分，定義 add_extra2() 函數：
def add_extra2(nationaltiy, **kwargs):
return kwargs[nationaltiy]
df['Extra'] = df.Nationality.apply(add_extra2, 漢=0, 回=10, 藏=5)運行結果為：
Name Nationality Score Extra
0 張 漢 400 0
1 李 回 450 10
2 王 漢 460 0對照 apply 函數的語法，不難理解。
DataFrame.apply() 函數則會遍歷每一個元素，對元素運行指定的 function。比如下面的示例：
import pandas as pd
import numpy as np
matrix = [
[1,2,3],
[4,5,6],
[7,8,9]
]
df = pd.DataFrame(matrix, columns=list('xyz'), index=list('abc'))
df.apply(np.square)對 df 執行 square() 函數後，所有的元素都執行平方運算：
x y z
a 1 4 9
b 16 25 36
c 49 64 81如果只想 apply() 作用於指定的行和列，可以用行或者列的 name 屬性進行限定。比如下面的示例將 x 列進行平方運算：
df.apply(lambda x : np.square(x) if x.name=='x' else x) x y z
a 1 2 3
b 16 5 6
c 49 8 9下面的示例對 x 和 y 列進行平方運算：
df.apply(lambda x : np.square(x) if x.name in ['x', 'y'] else x) x y z
a 1 4 3
b 16 25 6
c 49 64 9下面的示例對第一行 （a 標簽所在行）進行平方運算：
df.apply(lambda x : np.square(x) if x.name == 'a' else x, axis=1)默認情況下 axis=0 表示按列，axis=1 表示按行。
平時我們會經常用到日期的計算，比如要計算兩個日期的間隔，比如下面的一組關於 wbs 起止日期的數據：
wbs date_from date_to
job1 2019-04-01 2019-05-01
job2 2019-04-07 2019-05-17
job3 2019-05-16 2019-05-31
job4 2019-05-20 2019-06-11假定要計算起止日期間隔的天數。比較簡單的方法就是兩列相減（datetime 類型)：
import pandas as pd
import datetime as dt
wbs = {
"wbs": ["job1", "job2", "job3", "job4"],
"date_from": ["2019-04-01", "2019-04-07", "2019-05-16","2019-05-20"],
"date_to": ["2019-05-01", "2019-05-17", "2019-05-31", "2019-06-11"]
}
df = pd.DataFrame(wbs)
df['elpased'] = df['date_to'].apply(pd.to_datetime) -
df['date_from'].apply(pd.to_datetime)apply() 函數將 date_from 和 date_to 兩列轉換成 datetime 類型。我們 print 一下 df:
wbs date_from date_to elapsed
0 job1 2019-04-01 2019-05-01 30 days
1 job2 2019-04-07 2019-05-17 40 days
2 job3 2019-05-16 2019-05-31 15 days
3 job4 2019-05-20 2019-06-11 22 days日期間隔已經計算出來，但後面帶有一個單位 days，這是因為兩個 datetime 類型相減，得到的數據類型是 timedelta64，如果只要數字，還需要使用 timedelta 的 days 屬性轉換一下。
elapsed= df['date_to'].apply(pd.to_datetime) -
df['date_from'].apply(pd.to_datetime)
df['elapsed'] = elapsed.apply(lambda x : x.days)使用 DataFrame.apply() 函數也能達到同樣的效果，我們需要先定義一個函數 get_interval_days() 函數的第一列是一個 Series 類型的變量，執行的時候，依次接收 DataFrame 的每一行。
import pandas as pd
import datetime as dt
def get_interval_days(arrLike, start, end):
start_date = dt.datetime.strptime(arrLike[start], '%Y-%m-%d')
end_date = dt.datetime.strptime(arrLike[end], '%Y-%m-%d')
return (end_date - start_date).days
wbs = {
"wbs": ["job1", "job2", "job3", "job4"],
"date_from": ["2019-04-01", "2019-04-07", "2019-05-16","2019-05-20"],
"date_to": ["2019-05-01", "2019-05-17", "2019-05-31", "2019-06-11"]
}
df = pd.DataFrame(wbs)
df['elapsed'] = df.apply(
get_interval_days, axis=1, args=('date_from', 'date_to'))Pandas的Apply函數——Pandas中最好用的函數pandas.Series.apply — pandas 1.3.1 documentation
發布者：全棧程序員棧長，轉載請注明出處：https://javaforall.cn/152100.html原文鏈接：https://javaforall.cn
