pandas調(diào)用函數(shù)怎么用

這篇“pandas調(diào)用函數(shù)怎么用”文章的知識點大部分人都不太理解，所以小編給大家總結(jié)了以下內(nèi)容，內(nèi)容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“pandas調(diào)用函數(shù)怎么用”文章吧。

0. 數(shù)據(jù)預覽

這里的數(shù)據(jù)是虛構(gòu)的語數(shù)外成績，大家在演示的時候拷貝一下就好啦。

import pandas as pd
df = pd.read_clipboard()
df

1. apply

apply可以對DataFrame類型數(shù)據(jù)按照列或行進行函數(shù)處理，默認情況下是按照列（單獨對Series亦可）。

在案例數(shù)據(jù)中，比如我們想將性別列中的1替換為男，0替換為女，那么可以這樣搞定。

先自定義一個函數(shù)，這個函數(shù)有一個參數(shù) s（Series類型數(shù)據(jù)）。

def getSex(s):
    if s==1:
        return '男'
    elif s==0:
        return '女'

上述函數(shù)還有更簡潔寫法，這里方便理解采用最直觀的寫法哈。

然后，我們直接使用apply去調(diào)用這個函數(shù)即可。

df['性別'].apply(getSex)

可以看到輸出結(jié)果如下：

0 男
1 男
2 男
3 女
4 女
5 女
6 男
7 男
8 女
Name: 性別, dtype: object

當然，我們也可以直接用調(diào)用匿名函數(shù)lambda的形式：

df['性別'].apply( lambda s: '男' if s==1 else '女' )

可以看到結(jié)果是一樣的：

0 男
1 男
2 男
3 女
4 女
5 女
6 男
7 男
8 女
Name: 性別, dtype: object

以上是單純根據(jù)一列的值條件進行的數(shù)據(jù)處理，我們也可以根據(jù)多列組合條件（可以了解為按行）進行處理，需要注意這種情況下需要指定參數(shù)axis=1，具體看下面案例。

案例中，我們認為總分高于200且數(shù)學分數(shù)高于90為高分

# 多列條件組合
df['level'] = df.apply(lambda df: '高分' if df['總分']>=200 and df['數(shù)學']>=90 else '其他', axis=1)
df

同樣，上述用apply調(diào)用的函數(shù)都是自定義的，實際上我們也可以調(diào)用內(nèi)置或者pandas/numpy等自帶的函數(shù)。

比如，求語數(shù)外和總分最高分：

# python內(nèi)置的函數(shù)
df[['語文','數(shù)學','英語','總分']].apply(max)

語文 96
數(shù)學 95
英語 94
總分 278
dtype: int64

求語數(shù)外和總分平均分：

# numpy自帶的函數(shù)
import numpy as np
df[['語文','數(shù)學','英語','總分']].apply(np.mean)

語文 69.777778
數(shù)學 64.444444
英語 71.444444
總分 205.666667
dtype: float64

2. applymap

applymap則是對每個元素的函數(shù)處理，變量是每個元素值。

比如對語數(shù)外三科超過90分認為是科目高分

df[['語文','數(shù)學','英語']].applymap(lambda x:'高分' if x>=90 else '其他')

3. map

map則是根據(jù)輸入對應關(guān)系映射值返回最終數(shù)據(jù)，作用于某一列。傳入的值可以是字典，鍵值為原始值，值為需要替換的值。也可以傳入一個函數(shù)或者字符格式化表達式等等。

以上面性別列中的1替換為男，0替換為女為例，還可以通過map來實現(xiàn)
 

df['性別'].map({1:'男', 0:'女'})

輸出結(jié)果也是一致的：

0 男
1 男
2 男
3 女
4 女
5 女
6 男
7 男
8 女
Name: 性別, dtype: object

比如總分列想變成格式化字符：

df['總分'].map('總分：{}分'.format)

0 總分：278分
1 總分：266分
2 總分：263分
3 總分：239分
4 總分：162分
5 總分：157分
6 總分：184分
7 總分：139分
8 總分：163分
Name: 總分, dtype: object

4. agg

agg一般用于聚合，在分組或透視操作中常見到，用法是和apply比較接近。

比如，求語數(shù)外和總分的最高分、最低分和平均分

df[['語文','數(shù)學','英語','總分']].agg(['max','min','mean'])

我們還可以對不同的列進行不同的運算（用字典形式指定）

# 語文最高分、數(shù)學最低分和英文最高最低分
df.agg({'語文':['max'],'數(shù)學':'min','英語':['max','min']})

當然也支持自定義函數(shù)的調(diào)用

5. pipe

以上四個調(diào)用函數(shù)的方法，我們發(fā)現(xiàn)被調(diào)用的函數(shù)的參數(shù)就是 DataFrame或Serise數(shù)據(jù)，如果我們被調(diào)用的函數(shù)還需要別的參數(shù)，那么該如何做呢？

所以，pipe就出現(xiàn)了。

pipe又稱管道方法，可以將我們的處理分析過程標準化、流程化。它在調(diào)用函數(shù)的時候可以帶被調(diào)用函數(shù)的其他參數(shù)，這樣就方便自定義函數(shù)的功能擴展了。

比如，我們需要獲取總分大于n，性別為sex的同學的數(shù)據(jù)，其中n和sex是可變參數(shù)，那么用apply等就不太好處理。這個時候，就可以用到pipe方法來搞事了！

我們先定義一個函數(shù)：

# 定義一個函數(shù)，總分大于等于n，性別為sex的同學數(shù)據(jù)（sex為2表示不分性別）
def total(df, n, sex):
dfT = df.copy()
if sex == 2:
return dfT[(dfT['總分']>=n)]
else:
return dfT[(dfT['總分']>=n) & (dfT['性別']==sex)]

如果我們要找到總分大于200，不分性別的學生成績，可以這樣：

df.pipe(total,200,2)

再找總分大于150，性別為男生（1）的學生成績，可以這樣：

df.pipe(total,150,1)

再找總分大于200，性別為女生（0）的學生成績，可以這樣：
 

df.pipe(total,200,0)

以上就是關(guān)于“pandas調(diào)用函數(shù)怎么用”這篇文章的內(nèi)容，相信大家都有了一定的了解，希望小編分享的內(nèi)容對大家有幫助，若想了解更多相關(guān)的知識內(nèi)容，請關(guān)注億速云行業(yè)資訊頻道。