前言:

在进行数据分析时，难免需要对数据集应用一些我们自定义的一些函数，或者其他库的函数，得到我们想要的数据，这种情况下，可能大家第一时间想到的是使用for循环遍历Dataframe对象，取到指定行/列的数据再进行自定义函数的应用，当然这种方法完全可以实现，但是效率不高，接下来就来介绍一下在Pandas中如何对数据集高效的进行自定义函数的应用。

应用函数

apply 方法

apply()函数是一个自定义函数作用于某一行或几行，或者某一列或多列上的每一个元素， 使用格式如下:

df.apply(func, axis=0, *args, **kwargs)

参数如下：

• func：指定函数
• axis：指定作用于行还是列，默认为0，表示作用于列，设置为1表示作用于行
• *args&**kwargs：接收任意数量、类型的参数，这些参数被传递到函数func

例如，对下面Dataframe执行进行操作：

自定义"返回最大值"的函数并作用于该Dataframe：

def func(x):
    return x.max()
df.apply(func)

结果输出如下：

可见，结果返回了每列最大的值，如果想返回每行最大的值，设置axis=1即可。

当然apply()也支持传递lambda匿名函数。

applymap 方法

applymap()函数可以作用于DataFrame中的每一个元素，例如，转换DataFrame中数据的格式：

df.applymap(lambda x: '%.2f' % x)

注意：Pandas还提供了一个map()方法，作用于Series对象，此类方法和Python原生的map()方法都很类似。