Bagaimanakah `peta`, `applymap` dan `apply` Pandas Berbeza dalam Manipulasi Data?

Menyelami Nuansa 'peta', 'applymap' dan 'apply' dalam Panda

Dalam bidang manipulasi data, perpustakaan Pandas berdiri sebagai asas, menawarkan pelbagai kaedah untuk mengendalikan data jadual dengan cekap. Antaranya, 'peta', 'applymap' dan 'apply' mempunyai kepentingan yang penting. Walau bagaimanapun, nuansa halus mereka kadangkala boleh mengelirukan pengguna.

Membezakan 'apply' dan 'applymap'

Walaupun kedua-dua kaedah beroperasi pada DataFrames, perbezaan utamanya terletak pada butiran permohonan mereka. 'guna' berfungsi mengikut baris atau lajur, membolehkan pengekstrakan nilai tertentu atau melakukan pengiraan pada keseluruhan baris atau lajur.

Sebaliknya, 'applymap' berfungsi berdasarkan elemen, memproses setiap nilai sel individu dalam DataFrame. Ini amat berguna apabila anda perlu menggunakan fungsi pada setiap elemen DataFrame, seperti memformat atau menukar jenis data.

Memperkenalkan 'peta' untuk Siri

Siri, setara satu dimensi bagi DataFrames, juga mempunyai kaedah tersendiri untuk aplikasi fungsi mengikut unsur: 'peta'. Tidak seperti 'applymap', yang beroperasi pada keseluruhan DataFrames, 'map' direka khusus untuk Siri.

Contoh untuk Menerangkan Penggunaan

Untuk menggambarkan kaedah ini, pertimbangkan perkara berikut DataFrame:

	b	d	e
Utah	-0.03	1.08	1.28
Ohio	0.65	0.83	-1.55
Texas	0.51	-0.88	0.20
Oregon	-0.49	-0.48	-0.31

Menggunakan 'apply', kita boleh mengira julat (maks tolak min) setiap lajur:

df.apply(lambda x: x.max() - x.min())

Dengan 'applymap', kita boleh memformat setiap nilai titik terapung sebagai rentetan:

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

Akhir sekali, menggunakan 'peta' pada ' lajur e' DataFrame:

df['e'].map(lambda x: '%.2f' % x)

Atas ialah kandungan terperinci Bagaimanakah `peta`, `applymap` dan `apply` Pandas Berbeza dalam Manipulasi Data?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!