Verstehen der Unterschiede zwischen Map-, Applymap- und Apply-Methoden in Pandas
Bei der Arbeit mit Vektorisierung in Pandas ist es wichtig, die Unterschiede zu verstehen zwischen den Methoden „map“, „applymap“ und „apply“. Diese Methoden bieten flexible Möglichkeiten, Funktionen elementweise oder zeilen-/spaltenweise auf DataFrames und Serien anzuwenden.
Map:
Map ist eine Series-Methode, die für elementweise Operationen entwickelt wurde . Es nimmt eine Funktion und wendet sie auf jedes Element in einer Serie an. Betrachten Sie das folgende Beispiel:
import pandas as pd series = pd.Series([1, 2, 3, 4, 5]) squared_series = series.map(lambda x: x ** 2) print(squared_series)
Ausgabe:
0 1 1 4 2 9 3 16 4 25 dtype: int64
Applymap:
Applymap ist eine DataFrame-Methode, die elementweise Operationen für das Ganze durchführt Datenrahmen. Es wendet die angegebene Funktion auf jedes einzelne Element innerhalb des DataFrame an:
dataframe = pd.DataFrame({ 'A': [1, 2, 3], 'B': [4, 5, 6] }) formatted_dataframe = dataframe.applymap(lambda x: f'{x:.2f}') print(formatted_dataframe)
Ausgabe:
A B 0 1.00 4.00 1 2.00 5.00 2 3.00 6.00
Anwenden:
Im Gegensatz zu „map“ und „applymap“ gilt „apply“. Arbeitet mit Zeilen oder Spalten eines DataFrame. Es nimmt eine Funktion und wendet sie auf jede Zeile oder Spalte an, abhängig vom angegebenen Achsenparameter:
# Apply function to each row row_max = dataframe.apply(lambda row: row.max(), axis=1) print(row_max) # Apply function to each column col_min = dataframe.apply(lambda col: col.min(), axis=0) print(col_min)
Ausgabe:
0 3 1 5 2 6 dtype: int64 A 1 B 4 dtype: int64
Überlegungen zur Verwendung:
Das obige ist der detaillierte Inhalt vonWie unterscheiden sich die Methoden „map', „applymap' und „apply' von Pandas?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!