国内三级视频,欧美视频免费,青娱乐日韩,一本色道久久综合亚州精品,91北条麻妃,玖玖视频在线免费观看,亚洲中文视频在线观看,国产精品久久无码

apply()堪稱(chēng)Pandas中最好用的方法，其使用方式跟map()很像，主要傳入的主要參數(shù)都是接受輸入返回輸出。

但相較于昨天介紹的map()針對(duì)單列Series進(jìn)行處理，一條apply()語(yǔ)句可以對(duì)單列或多列進(jìn)行運(yùn)算，覆蓋非常多的使用場(chǎng)景。

基本語(yǔ)法：

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

參數(shù)：

func : function 應(yīng)用到每行或每列的函數(shù)。

axis ：{0 or 'index', 1 or 'columns'}, default 0 函數(shù)應(yīng)用所沿著的軸。

0 or index : 在每一列上應(yīng)用函數(shù)。

1 or columns : 在每一行上應(yīng)用函數(shù)。

raw : bool, default False 確定行或列以Series還是ndarray對(duì)象傳遞。

False : 將每一行或每一列作為一個(gè)Series傳遞給函數(shù)。

True : 傳遞的函數(shù)將接收ndarray 對(duì)象。如果你只是應(yīng)用一個(gè) NumPy 還原函數(shù)，這將獲得更好的性能。

result_type : {'expand', 'reduce', 'broadcast', None}, default None 只有在axis=1列時(shí)才會(huì)發(fā)揮作用。

expand : 列表式的結(jié)果將被轉(zhuǎn)化為列。

reduce : 如果可能的話，返回一個(gè)Series，而不是展開(kāi)類(lèi)似列表的結(jié)果。這與 expand 相反。

broadcast : 結(jié)果將被廣播到 DataFrame 的原始形狀，原始索引和列將被保留。

默認(rèn)行為(None)取決于應(yīng)用函數(shù)的返回值：類(lèi)似列表的結(jié)果將作為這些結(jié)果的 Series 返回。但是，如果應(yīng)用函數(shù)返回一個(gè) Series ，這些結(jié)果將被擴(kuò)展為列。

args : tuple 除了數(shù)組/序列之外，要傳遞給函數(shù)的位置參數(shù)。

**kwds: 作為關(guān)鍵字參數(shù)傳遞給函數(shù)的附加關(guān)鍵字參數(shù)。

官方：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.apply.html

先構(gòu)造一個(gè)數(shù)據(jù)集

data = pd.DataFrame({"name":['Jack', 'Alice', 'Lily', 'Mshis', 'Gdli', 'Agosh', 'Filu', 'Mack', 'Lucy', 'Pony'],"gender":['F', 'M', 'F', 'F', 'M', 'F', 'M', 'M', 'F', 'F'],"age":[25, 34, 49, 42, 28, 23, 45, 21, 34, 29]}                     ) data name gender  age0   Jack      F   251  Alice      M   342   Lily      F   493  Mshis      F   424   Gdli      M   285  Agosh      F   236   Filu      M   457   Mack      M   218   Lucy      F   349   Pony      F   29

1）單列數(shù)據(jù)

這里我們參照2.1向apply()中傳入lambda函數(shù)：

data.gender.apply(lambda x:'女性' if x is 'F' else '男性')0    女性1    男性2    女性3    女性4    男性5    女性6    男性7    男性8    女性9    女性

可以看到這里實(shí)現(xiàn)了跟map()一樣的功能。

2）輸入多列數(shù)據(jù)

apply()最特別的地方在于其可以同時(shí)處理多列數(shù)據(jù)，我們先來(lái)了解一下如何處理多列數(shù)據(jù)輸入單列數(shù)據(jù)輸出的情況。

譬如這里我們編寫(xiě)一個(gè)使用到多列數(shù)據(jù)的函數(shù)用于拼成對(duì)于每一行描述性的話，并在apply()用lambda函數(shù)傳遞多個(gè)值進(jìn)編寫(xiě)好的函數(shù)中

注意：當(dāng)調(diào)用DataFrame.apply()時(shí)，apply()在串行過(guò)程中實(shí)際處理的是每一行數(shù)據(jù)，而不是Series.apply()那樣每次處理單個(gè)值，在處理多個(gè)值時(shí)要給apply()添加參數(shù)axis=1

def fun_all(name, gender, age):    gender = '女性' if gender is 'F' else '男性'    return '有個(gè)名字叫{}的人，性別為{}，年齡為{}。'.format(name, gender, age)

data.apply(lambda row:fun_all(row['name'],row['gender'],row['age']), axis = 1)0     有個(gè)名字叫Jack的人，性別為女性，年齡為25。1    有個(gè)名字叫Alice的人，性別為男性，年齡為34。2     有個(gè)名字叫Lily的人，性別為女性，年齡為49。3    有個(gè)名字叫Mshis的人，性別為女性，年齡為42。4     有個(gè)名字叫Gdli的人，性別為男性，年齡為28。5    有個(gè)名字叫Agosh的人，性別為女性，年齡為23。6     有個(gè)名字叫Filu的人，性別為男性，年齡為45。7     有個(gè)名字叫Mack的人，性別為男性，年齡為21。8     有個(gè)名字叫Lucy的人，性別為女性，年齡為34。9     有個(gè)名字叫Pony的人，性別為女性，年齡為29。

def intro(r):    #r代指dataframe中的任意行，是series類(lèi)型數(shù)據(jù)，擁有類(lèi)似字典的使用方法。    return '大家好，我是{name},性別是{gender}，今年{age}歲了！'.format(name=r['name'], gender=r['gender'],age=r['age'])
data.apply(intro, axis=1)Out[81]: 0     大家好，我是Jack,性別是F，今年25歲了！1    大家好，我是Alice,性別是M，今年34歲了！2     大家好，我是Lily,性別是F，今年49歲了！3    大家好，我是Mshis,性別是F，今年42歲了！4     大家好，我是Gdli,性別是M，今年28歲了！5    大家好，我是Agosh,性別是F，今年23歲了！6     大家好，我是Filu,性別是M，今年45歲了！7     大家好，我是Mack,性別是M，今年21歲了！8     大家好，我是Lucy,性別是F，今年34歲了！9     大家好，我是Pony,性別是F，今年29歲了！dtype: object
#其實(shí)這樣寫(xiě)也是可以的，更簡(jiǎn)單些def intro(r):    return '大家好，我是{},性別是{}，今年{}歲了！'.format(r['name'], r['gender'],r['age'])

data.apply(intro, axis=1)

3）輸出多列數(shù)據(jù)

有些時(shí)候我們利用apply()會(huì)遇到希望同時(shí)輸出多列數(shù)據(jù)的情況，在apply()中同時(shí)輸出多列時(shí)實(shí)際上返回的是一個(gè)Series，這個(gè)Series中每個(gè)元素是與apply()中傳入函數(shù)的返回值順序?qū)?yīng)的元組。

比如下面我們利用apply()來(lái)提取name列中的首字母和剩余部分字母：

data.apply(lambda row: (row['name'][0], row['name'][1:]), axis=1)0     (J, ack)1    (A, lice)2     (L, ily)3    (M, shis)4     (G, dli)5    (A, gosh)6     (F, ilu)7     (M, ack)8     (L, ucy)9     (P, ony)

可以看到，這里返回的是單列結(jié)果，每個(gè)元素是返回值組成的元組，這時(shí)若想直接得到各列分開(kāi)的結(jié)果，需要用到zip(*zipped)來(lái)解開(kāi)元組序列，從而得到分離的多列返回值：

a, b = zip(*data.apply(lambda row: (row['name'][0], row['name'][1:]), axis=1))
a('J', 'A', 'L', 'M', 'G', 'A', 'F', 'M', 'L', 'P')b('ack', 'lice', 'ily', 'shis', 'dli', 'gosh', 'ilu', 'ack', 'ucy', 'ony')

4）結(jié)合tqdm給apply()過(guò)程添加進(jìn)度條

我們知道apply()在運(yùn)算時(shí)實(shí)際上仍然是一行一行遍歷的方式，因此在計(jì)算量很大時(shí)如果有一個(gè)進(jìn)度條來(lái)監(jiān)視運(yùn)行進(jìn)度就很舒服。

tqdm:用于添加代碼進(jìn)度條的第三方庫(kù)

tqdm對(duì)pandas也是有著很好的支持。

我們可以使用progress_apply()代替apply()，并在運(yùn)行progress_apply()之前添加tqdm.tqdm.pandas(desc='')來(lái)啟動(dòng)對(duì)apply過(guò)程的監(jiān)視。

其中desc參數(shù)傳入對(duì)進(jìn)度進(jìn)行說(shuō)明的字符串，下面我們?cè)谏弦恍〔糠质纠幕A(chǔ)上進(jìn)行改造來(lái)添加進(jìn)度條功能：

from tqdm import tqdmdef fun_all(name, gender, age):    gender = '女性' if gender is 'F' else '男性'    return '有個(gè)名字叫{}的人，性別為{}，年齡為{}。'.format(name, gender, age)    #啟動(dòng)對(duì)緊跟著的apply過(guò)程的監(jiān)視from tqdm import tqdmtqdm.pandas(desc='apply')data.progress_apply(lambda row:fun_all(row['name'],row['gender'],                  row['age']), axis = 1)
apply: 100%|██████████| 10/10 [00:00<00:00, 5011.71it/s]
0     有個(gè)名字叫Jack的人，性別為女性，年齡為25。1    有個(gè)名字叫Alice的人，性別為男性，年齡為34。2     有個(gè)名字叫Lily的人，性別為女性，年齡為49。3    有個(gè)名字叫Mshis的人，性別為女性，年齡為42。4     有個(gè)名字叫Gdli的人，性別為男性，年齡為28。5    有個(gè)名字叫Agosh的人，性別為女性，年齡為23。6     有個(gè)名字叫Filu的人，性別為男性，年齡為45。7     有個(gè)名字叫Mack的人，性別為男性，年齡為21。8     有個(gè)名字叫Lucy的人，性別為女性，年齡為34。9     有個(gè)名字叫Pony的人，性別為女性，年齡為2

可以看到在jupyter lab中運(yùn)行程序的過(guò)程中，下方出現(xiàn)了監(jiān)視過(guò)程的進(jìn)度條，這樣就可以實(shí)時(shí)了解apply過(guò)程跑到什么地方了。

結(jié)合tqdm_notebook()給apply()過(guò)程添加美觀進(jìn)度條，熟悉tqdm的朋友都知道其針對(duì)jupyter notebook開(kāi)發(fā)了ui更加美觀的tqdm_notebook()。而要想在jupyter notebook/jupyter lab平臺(tái)上為pandas的apply過(guò)程添加美觀進(jìn)度條，可以參照如下示例：

import pandas as pd

data = pd.DataFrame({"name":['Jack', 'Alice', 'Lily', 'Mshis', 'Gdli', 'Agosh', 'Filu', 'Mack', 'Lucy', 'Pony'],"gender":['F', 'M', 'F', 'F', 'M', 'F', 'M', 'M', 'F', 'F'],"age":[25, 34, 49, 42, 28, 23, 45, 21, 34, 29]}                     )

def fun_all(name, gender, age):    gender == '女性' if gender == 'F' else '男性'    return '有個(gè)名字叫{}的人，性別為{}，年齡為{}。'.format(name, gender, age)        from tqdm._tqdm_notebook import tqdm_notebook tqdm_notebook.pandas(desc='apply')

data.progress_apply(lambda row:fun_all(row['name'],row['gender'],                  row['age']), axis = 1)