Pandas DataFrame.apply()

Pandas apply()函数允许用户传递一个函数并将其应用于Pandas系列的每个单个值。此函数提高了Pandas 库的功能，因为它有助于根据所需条件隔离数据。这样它就可以有效地用于数据科学和机器学习。

要传递给函数的对象是Series对象，其索引是DataFrame的索引(即axis = 0)或DataFrame的列(即axis = 1)。默认情况下，result_type = None，并且最终返回类型是从应用函数的返回类型推断出来的。否则，它取决于result_type参数。

句法：

DataFrame.apply(func, axis=0, broadcast=None, raw=False, reduce=None, result_type=None, args=(), **kwds)

参数：

• func：该函数将应用于每列或每一行。
• axis： {0或’index’，1或’columns’}，默认值0这是应用该函数的轴。它可以有两个值：
  • 0或’index’：将函数应用于每个列。
  • 1或“列”：将函数应用于每一行。
• 广播：这是一个可选参数，返回布尔值。仅与聚合函数有关：False或None：它返回一个Series，其长度将是基于axis参数的索引长度或列数。正确：结果将广播到框架的原始形状；原始索引和列将保留。
• raw：布尔值，默认值False False：它将每一行或每一列作为Series传递给函数。 True：传递的函数将接收ndarray对象。如果您要应用NumPy缩减函数，它将获得更好的性能。
• reduce： bool或无，默认值无。它将尝试应用减少过程。如果DataFrame为空，则应用将使用reduce来确定结果应为Series还是DataFrame。默认情况下， reduce = None ，将通过在空的Series上调用func来猜测应用的返回值(注意：在猜测时，func引发的所有异常都将被忽略)。如果reduce = True ，将始终返回Series，而reduce = False ，将始终返回DataFrame。
• result_type： {‘expand’，’reduce’，’broadcast’，None}，默认值None这些仅在axis = 1(列)时起作用： ‘expand’：它定义了将变成列的类似列表的结果。 ‘reduce’：与’ expand ‘相反。如果可能，它返回一个Series而不是扩展类似列表的结果。 “广播”：它将结果广播到DataFrame的原始形状，原始索引和列中。默认值None取决于所应用函数的返回值，即，作为一系列结果返回的类似列表的结果。如果apply返回一个Series，它将扩展到列。
• args：这是一个位置参数，除了数组/系列外，还将传递给func 。
• ** kwds：这是一个可选的关键字参数，用于将关键字参数传递给func。

返回值：

它返回沿DataFrame的给定轴应用func的结果。

例：

info = pd.DataFrame([[2, 7]] * 4, columns=['P', 'Q'])
info.apply(np.sqrt)
info.apply(np.sum, axis=0)
info.apply(np.sum, axis=1)
info.apply(lambda x: [1, 2], axis=1)
info.apply(lambda x: [1, 2], axis=1, result_type='expand')
info.apply(lambda x: pd.Series([1, 2], index=['foo', 'bar']), axis=1)
info.apply(lambda x: [1, 2], axis=1, result_type='broadcast')
info

输出量

     A     B
0    2     7
1    2     7
2    2     7
3    2     7