189 8069 5689
本篇内容主要讲解“Pandas函数的应用方式”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Pandas函数的应用方式”吧!
站在用户的角度思考问题，与客户深入沟通，找到临清网站设计与临清网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：成都做网站、网站建设、企业官网、英文网站、手机端网站、网站推广、域名注册、雅安服务器托管、企业邮箱。业务覆盖临清地区。
不管是为Pandas对象应用自定义函数，还是应用第三方函数，都离不开以下几种方法。用哪种方法取决于操作的对象是DataFrame，还是Series；是行、列，还是元素。
1.表现级函数应用：pipe()
2.行列级函数应用：apply()
3.聚合API：agg()与transform()
4.元素级函数应用：applymap()
虽然可以把DataFrame与Series传递给函数，不过链式调用函数时，最好使用pipe()方法。对比以下两种方式：
下列代码与上述代码是等效的：
Pandas建议使用第二种方式，即链式方法。在链式方法中调用自定义函数或第三方支持库函数时，用pipe更容易，与用Pandas自身方法一样。
上述示例中，f、g与h这几个函数都把DataFrame当作首位参数。要是想把数据作为第二个参数，我们可以怎么做呢？本例中，pipe为元组（callable，data_keyword）形式。.pipe把DataFrame作为元组里指定的参数。
下面示例用statmodels拟合回归，该API先接收一个公示，DataFrame是第二个参数，data。要传递函数，则要用pipe接收关键词对（sm.ols,’data’）。
unix的pipe与后来出现的dplyr及magrittr带动了pipe方法，在此，引入了R语言里用于读取pipe的操作符（%>%）。pipe的实现思路非常清晰，仿佛跟Python源生的一样。
apply()方法沿着DataFrame的轴应用函数，比如，描述性统计方法，该方法支持axis参数。
apply()方法还支持通过函数名字符串调用函数。
默认情况下，apply()调用的函数返回的类型会影响DataFrame输出结构的类型。
函数返回的是Series时，最终输出结果是DataFrame。输出的列与函数返回的Series索引相匹配。
函数返回其它任意类型时，输出结果是Series。
result_type会覆盖默认行为，该参数有三个选项：reduce、broadcast、expand。
这些选项决定了列表型返回值是否扩展为DataFrame。
我们用好了apply()的话，可以了解数据集的很多信息。比如可以提取每列的最大值对应的日期：
还可以向apply()方法传递额外的参数与关键字参数。比如下面示例中要应用的这个函数：
可以用以下方式应用该函数：
为每行或每例执行Series方法的功能也非常的实用：
apply()有一个参数raw，默认值为False，再应用函数前，使用该参数可以将每行或列转换为Series。该参数为True时，传递的函数接收ndarray对象，若不需要索引功能，这样操作能够显著的提高性能。
聚合API可以快速、简洁地执行多个聚合操作。Pandas对象支持多个类似地API，如groupby API、window functions API、resample API。聚合函数为DataFrame.aggregate()，也可以叫做Dataframe.agg()。
在这里我们用与上例类似的DataFrame：
应用单个函数时，该操作与apply()等效，这里也可以用字符串表示聚合函数名。下面的聚合函数输出的结果为Series：
Series单个聚合操作返回标量值：
还可以用列表形式传递多个聚合函数。每个函数在输出结果DataFrame里以行的形式显示，行名是每个聚合函数的函数名。
多个函数输出多行：
Series聚合多函数返回结果还是Series，索引为函数名：
传递lambda函数时，输出名为
应用自定义函数时，该函数名为输出结果的行名：
指定为哪些列应用哪些聚合函数时，需要把包含列名与标量（或标量列表）的字典传递给DataFrame.agg。
但我们要注意，这里输出结果的顺序不是固定的，要想让输出顺序与输入顺序一致，我们可以使用OrderedDict。
输出的参数是列表时，输出的结果为DataFrame，并以矩阵形式显示所有聚合函数的计算结果，且输出结果有所有唯一函数组成。未执行聚合操作的列输出结果为NaN值：
与groupby的.agg操作类似，DataFrame含不能执行聚合的数据类型时，.agg只计算可聚合的列：
.agg()可以创建类似于内置describe函数的自定义describe函数。
transform方法的返回结果与原始数据的索引相同，大小相同。与.agg API类似，该API支持同时处理多种操作，不用一个一个操作。
首先，创建一个DataFrame：
这里转换的是整个DataFrame。.transform()支持NumPy函数、字符串函数及自定义函数。
这里的transform()接收单个函数；与ufunc等效。
.transform向Series传递单个函数时，返回的结果也是单个Series。
transform()调用多个函数时，生成多层索引DataFrame。第一层是原始数据集的列名；第二层是transform()调用的函数名。
为Series应用多个函数时，输出结果是DataFrame，列名是transform()调用的函数名。
函数字典可以为每列执行指定transform()操作。
transform()的参数是列表字典时，生成的是以transform()调用的函数名为多层索引的DataFrame。
并非所有函数都能矢量化，即接受NumPy数组，返回另一个数组或值，DataFrame的applymap()及Series的map()，支持任何接收单个值并返回单个值的Python函数。
Series.map()还有个功能，可以“连接”或“映射”第二个Series定义的值。这与merging/joining功能联系非常紧密：
到此，相信大家对“Pandas函数的应用方式”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！