了解Pandas 中Map、Applymap 和Apply 方法之間的差異
在Pandas 中使用向量化時，了解這些差異至關重要在map、applymap 和apply 方法之間。這些方法提供了靈活的方式將函數按元素或按行/列應用於 DataFrame 和 Series。
Map：
Map 是專為以元素操作而設計的 Series 方法。它採用一個函數並將其應用於系列中的每個元素。考慮以下範例：
import pandas as pd series = pd.Series([1, 2, 3, 4, 5]) squared_series = series.map(lambda x: x ** 2) print(squared_series)
輸出：
0 1 1 4 2 9 3 16 4 25 dtype: int64
Applymap：
Applymap 是一個DataFrame 方法，它對整個資料執行逐元素操作資料框。它將指定的函數應用於DataFrame 中的每個單獨元素：
dataframe = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})
formatted_dataframe = dataframe.applymap(lambda x: f'{x:.2f}')
print(formatted_dataframe)輸出：
A B 0 1.00 4.00 1 2.00 5.00 2 3.00 6.00
應用：
與map 和applymap不同，apply對DataFrame 的行或列進行操作。它接受一個函數並將其應用於每一行或每一列，取決於指定的軸參數：
# 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)
輸出：
0 3 1 5 2 6 dtype: int64 A 1 B 4 dtype: int64
使用注意事項：
以上是Pandas 的「map」、「applymap」和「apply」方法有何不同？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
