您能告诉我什么时候使用这些矢量化方法和基本示例吗？
我看到map 是Series 方法，而其余的是DataFrame 方法。不过，我对apply 和applymap 方法感到困惑。为什么我们有两种方法可以将函数应用于 DataFrame？同样，说明用法的简单示例会很棒！
【问题讨论】：
DataFrame.pipe() 方法吗？
标签： python pandas dataframe vectorization
直接来自 Wes McKinney 的 Python for Data Analysis 书，第 页。 132（我强烈推荐这本书）：
另一个常见的操作是将一维数组上的函数应用于每一列或每一行。 DataFrame 的 apply 方法正是这样做的：
In [116]: frame = DataFrame(np.random.randn(4, 3), columns=list('bde'), index=['Utah', 'Ohio', 'Texas', 'Oregon'])
In [117]: frame
Out[117]:
b d e
Utah -0.029638 1.081563 1.280300
Ohio 0.647747 0.831136 -1.549481
Texas 0.513416 -0.884417 0.195343
Oregon -0.485454 -0.477388 -0.309548
In [118]: f = lambda x: x.max() - x.min()
In [119]: frame.apply(f)
Out[119]:
b 1.133201
d 1.965980
e 2.829781
dtype: float64
许多最常见的数组统计信息（如 sum 和 mean）都是 DataFrame 方法， 所以不需要使用 apply。
也可以使用基于元素的 Python 函数。假设您想从帧中的每个浮点值计算一个格式化字符串。您可以使用 applymap 来做到这一点：
In [120]: format = lambda x: '%.2f' % x
In [121]: frame.applymap(format)
Out[121]:
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
applymap 这个名字的原因是 Series 有一个 map 方法来应用一个 element-wise 函数：
In [122]: frame['e'].map(format)
Out[122]:
Utah 1.28
Ohio -1.55
Texas 0.20
Oregon -0.31
Name: e, dtype: object
总结起来，apply 在 DataFrame 的行/列基础上工作，applymap 在 DataFrame 上按元素工作，map 在 Series 上按元素工作。
【讨论】：
func 替换为 lambda x: [func(y) for y in x]，并按列应用）
map 和applymap 都在元素方面工作，我希望有一种方法（map 或applymap）既适用于系列也适用于数据帧。可能还有其他设计考虑，Wes McKinney 决定提出两种不同的方法。
applymap 和 groupby 函数？
map、applymap 和 apply：上下文很重要第一个主要区别：定义
map 仅在系列上定义applymap 仅在 DataFrames 上定义apply 定义在 BOTH第二个主要区别：INPUT ARGUMENT
map 接受 dicts、Series 或可调用applymap 和 apply 仅接受可调用对象第三个主要区别：行为
map 是系列的元素applymap 是 DataFrames 的元素apply 也适用于元素，但适用于更复杂的操作和聚合。行为和返回值取决于函数。第四大区别（最重要的一个）：USE CASE
map 用于将值从一个域映射到另一个域，因此针对性能进行了优化（例如，df['A'].map({1:'a', 2:'b', 3:'c'})）applymap 适用于跨多行/多列的元素转换（例如，df[['A', 'B', 'C']].applymap(str.strip)）apply 用于应用任何无法矢量化的函数（例如，df['sentences'].apply(nltk.sent_tokenize)）。另请参阅When should I (not) want to use pandas apply() in my code? 以了解我不久前写的关于使用apply 的最合适场景的文章（请注意，数量不多，但有一些——应用通常慢`)。
#总结
脚注
map在传递字典/系列时将根据该字典/系列中的键映射元素。缺失值将被记录为 输出中的 NaN。
applymap在最近的版本中已针对某些操作进行了优化。你会发现applymap比apply稍微快一点 一些案例。我的建议是测试它们并使用任何有效的方法 更好。
map针对元素映射和转换进行了优化。涉及字典或系列的操作将使熊猫能够 使用更快的代码路径以获得更好的性能。
Series.apply返回一个用于聚合操作的标量，否则返回 Series。DataFrame.apply也是如此。请注意，apply也有 使用某些 NumPy 函数（例如mean）调用时的快速路径，sum等
【讨论】：
DataFrame.apply 一次对整行或整列进行操作。
DataFrame.applymap、Series.apply 和 Series.map 对一个进行操作
时间元素。
Series.apply 和 Series.map 是相似的并且经常可以互换。下面的osa's answer 讨论了它们的一些细微差别。
【讨论】：
除了其他答案之外，Series 中还有 map 和 apply。
Apply 可以从一个系列中制作一个DataFrame;但是，map 只会在另一个系列的每个单元格中放置一个系列，这可能不是您想要的。
In [40]: p=pd.Series([1,2,3])
In [41]: p
Out[31]:
0 1
1 2
2 3
dtype: int64
In [42]: p.apply(lambda x: pd.Series([x, x]))
Out[42]:
0 1
0 1 1
1 2 2
2 3 3
In [43]: p.map(lambda x: pd.Series([x, x]))
Out[43]:
0 0 1
1 1
dtype: int64
1 0 2
1 2
dtype: int64
2 0 3
1 3
dtype: int64
dtype: object
另外，如果我有一个带有副作用的函数，例如“连接到 Web 服务器”，我可能会使用 apply 来清楚起见。
series.apply(download_file_for_every_element)
Map不仅可以使用函数，还可以使用字典或其他系列。假设您要操作permutations。
拍
1 2 3 4 5
2 1 4 5 3
这个排列的平方是
1 2 3 4 5
1 2 5 3 4
您可以使用map 计算它。不确定是否记录了自我申请，但它适用于0.15.1。
In [39]: p=pd.Series([1,0,3,4,2])
In [40]: p.map(p)
Out[40]:
0 0
1 1
2 4
3 2
4 3
dtype: int64
【讨论】：
@jeremiahbuddha 提到 apply 适用于行/列，而 applymap 适用于元素。但似乎您仍然可以使用 apply 进行元素计算....
frame.apply(np.sqrt)
Out[102]:
b d e
Utah NaN 1.435159 NaN
Ohio 1.098164 0.510594 0.729748
Texas NaN 0.456436 0.697337
Oregon 0.359079 NaN NaN
frame.applymap(np.sqrt)
Out[103]:
b d e
Utah NaN 1.435159 NaN
Ohio 1.098164 0.510594 0.729748
Texas NaN 0.456436 0.697337
Oregon 0.359079 NaN NaN
【讨论】：
只是想指出，因为我为此苦苦挣扎了一会儿
def f(x):
if x < 0:
x = 0
elif x > 100000:
x = 100000
return x
df.applymap(f)
df.describe()
df = df.applymap(f)
df.describe()
【讨论】：
df = modified_df 或设置inplace=True 标志来修改。如果您通过引用将数据框传递给函数并且该函数修改了数据框，那么数据框也会发生变化
.ix 或.where 等。不知道什么时候需要重新分配，什么时候不需要。
可能最简单的解释apply和applymap的区别：
应用将整列作为参数，然后将结果赋给该列
applymap 将单独的单元格值作为参数并将结果分配回此单元格。
注意如果 apply 返回单个值，您将在分配后拥有该值而不是列，最终将只有一行而不是矩阵。
【讨论】：
根据cs95的回答
map 仅在系列上定义applymap 仅在 DataFrames 上定义apply 定义在两者上举几个例子
In [3]: frame = pd.DataFrame(np.random.randn(4, 3), columns=list('bde'), index=['Utah', 'Ohio', 'Texas', 'Oregon'])
In [4]: frame
Out[4]:
b d e
Utah 0.129885 -0.475957 -0.207679
Ohio -2.978331 -1.015918 0.784675
Texas -0.256689 -0.226366 2.262588
Oregon 2.605526 1.139105 -0.927518
In [5]: myformat=lambda x: f'{x:.2f}'
In [6]: frame.d.map(myformat)
Out[6]:
Utah -0.48
Ohio -1.02
Texas -0.23
Oregon 1.14
Name: d, dtype: object
In [7]: frame.d.apply(myformat)
Out[7]:
Utah -0.48
Ohio -1.02
Texas -0.23
Oregon 1.14
Name: d, dtype: object
In [8]: frame.applymap(myformat)
Out[8]:
b d e
Utah 0.13 -0.48 -0.21
Ohio -2.98 -1.02 0.78
Texas -0.26 -0.23 2.26
Oregon 2.61 1.14 -0.93
In [9]: frame.apply(lambda x: x.apply(myformat))
Out[9]:
b d e
Utah 0.13 -0.48 -0.21
Ohio -2.98 -1.02 0.78
Texas -0.26 -0.23 2.26
Oregon 2.61 1.14 -0.93
In [10]: myfunc=lambda x: x**2
In [11]: frame.applymap(myfunc)
Out[11]:
b d e
Utah 0.016870 0.226535 0.043131
Ohio 8.870453 1.032089 0.615714
Texas 0.065889 0.051242 5.119305
Oregon 6.788766 1.297560 0.860289
In [12]: frame.apply(myfunc)
Out[12]:
b d e
Utah 0.016870 0.226535 0.043131
Ohio 8.870453 1.032089 0.615714
Texas 0.065889 0.051242 5.119305
Oregon 6.788766 1.297560 0.860289
【讨论】：
只是为了获得更多的上下文和直觉，这里有一个明确而具体的差异示例。
假设您有如下所示的以下功能。 ( 此标签功能将根据您作为参数 (x) 提供的阈值将值任意拆分为“高”和“低”。 )
def label(element, x):
if element > x:
return 'High'
else:
return 'Low'
在这个例子中，假设我们的数据框有一列带有随机数。
如果您尝试使用 map 映射标签函数：
df['ColumnName'].map(label, x = 0.8)
您将得到以下错误：
TypeError: map() got an unexpected keyword argument 'x'
现在使用同样的函数并使用apply，你会发现它起作用了：
df['ColumnName'].apply(label, x=0.8)
Series.apply() 可以按元素接受额外的参数，而 Series.map() 方法将返回错误。
现在，如果您尝试将相同的函数同时应用于数据框中的多个列，则使用 DataFrame.applymap()。
df[['ColumnName','ColumnName2','ColumnName3','ColumnName4']].applymap(label)
最后，您也可以在数据帧上使用 apply() 方法，但 DataFrame.apply() 方法具有不同的功能。 df.apply() 方法不是按元素应用函数，而是沿轴应用函数，按列或按行。当我们创建一个与 df.apply() 一起使用的函数时，我们将其设置为接受一个系列，最常见的是一个列。
这是一个例子：
df.apply(pd.value_counts)
当我们将 pd.value_counts 函数应用于数据帧时，它会计算所有列的值计数。
注意，当我们使用 df.apply() 方法来转换多个列时，这一点非常重要。这仅是可能的，因为 pd.value_counts 函数对序列进行操作。如果我们尝试使用 df.apply() 方法将一个按元素工作的函数应用于多个列，我们会得到一个错误：
例如：
def label(element):
if element > 1:
return 'High'
else:
return 'Low'
df[['ColumnName','ColumnName2','ColumnName3','ColumnName4']].apply(label)
这将导致以下错误：
ValueError: ('The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().', u'occurred at index Economy')
一般来说，我们应该只在向量化函数不存在时使用 apply() 方法。回想一下，pandas 使用矢量化（一次将操作应用于整个系列的过程）来优化性能。当我们使用 apply() 方法时，我们实际上是在循环遍历行，因此向量化的方法可以比 apply() 方法更快地执行等效任务。
以下是一些您不想使用任何类型的应用/映射方法重新创建的矢量化函数示例：
【讨论】：
我的理解：
从功能上看：
如果函数具有需要在列/行内比较的变量，请使用
apply.
例如：lambda x: x.max()-x.mean().
如果要对每个元素应用函数：
1>如果找到了列/行，使用apply
2> 如果应用于整个数据框，请使用applymap
majority = lambda x : x > 17
df2['legal_drinker'] = df2['age'].apply(majority)
def times10(x):
if type(x) is int:
x *= 10
return x
df2.applymap(times10)
【讨论】：
FOMO：
以下示例显示apply 和applymap 应用于DataFrame。
map 功能仅适用于系列。您不能在 DataFrame 上应用 map。
要记住的是apply 可以做任何事情 applymap 可以，但apply 有eXtra 选项。
X 因子选项是：axis 和 result_type，其中 result_type 仅在 axis=1 时有效（对于列）。
df = DataFrame(1, columns=list('abc'),
index=list('1234'))
print(df)
f = lambda x: np.log(x)
print(df.applymap(f)) # apply to the whole dataframe
print(np.log(df)) # applied to the whole dataframe
print(df.applymap(np.sum)) # reducing can be applied for rows only
# apply can take different options (vs. applymap cannot)
print(df.apply(f)) # same as applymap
print(df.apply(sum, axis=1)) # reducing example
print(df.apply(np.log, axis=1)) # cannot reduce
print(df.apply(lambda x: [1, 2, 3], axis=1, result_type='expand')) # expand result
作为旁注，系列 map 函数不应与 Python map 函数混淆。
第一个应用于 Series，用于映射值，第二个应用于可迭代的每个项目。
【讨论】：