map、applymap与Pandas应用方法的差异
你能用基本的例子告诉我什么时候使用这些矢量化方法吗？
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用于将函数应用于DataFrame？同样，简单的例子说明用法将是伟大的！
共有1个答案
直接来自韦斯·麦金尼的Python for Data Analysis书，宝洁。132（我强烈推荐这本书）：
另一个常见的操作是对一维数组的每列或每行应用一个函数。DataFrame的apply方法完全执行以下操作：
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，因此没有必要使用apply。
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
In [122]: frame['e'].map(format)
Out[122]:
Utah 1.28
Ohio -1.55
Texas 0.20
Oregon -0.31
Name: e, dtype: object
-
问题内容： 你能否通过基本示例告诉我何时使用这些矢量化方法？ 我看到这是一种方法，而其余都是方法。我糊涂了约和，虽然方法。为什么我们有两种将函数应用于DataFrame的方法？同样，简单的例子可以很好地说明用法！ 问题答案： 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： 许多最常见的数组统计信息（例如sum和mean）都是DataFra
-
本文向大家介绍pandas map(),apply(),applymap()区别解析，包括了pandas map(),apply(),applymap()区别解析的使用技巧和注意事项，需要的朋友参考一下 基础 以下操作基于python 3.6 windows 10 环境下 通过 将通过实例来演示三者的区别 map()方法 通过df.(tab)键,发现df的属性列表中有apply() 和 apply
-
本文向大家介绍pandas的相关系数与协方差实例，包括了pandas的相关系数与协方差实例的使用技巧和注意事项，需要的朋友参考一下 1、输出百分比变化以及前后指定的行数 2、计算DataFrame列与列的相关系数和协方差 3、计算DataFrame与列或者Series的相关系数 注意：在使用DataFrame或Series在计算相关系数或者协方差的时候，都会计算索引重叠的、非NA的、按照索引对齐原
-
我想知道下面两个场景中是否有任何性能差异——peek（）和map（）带返回： 或 我在stackoverflow上读了几篇关于map（）和peek（）中setter的文章，我只发现了一个关于性能的信息。它说带有返回的map（）会更糟，但没有解释为什么：如何在Stream链中调用setter
-
问题内容： 有谁知道有效的函数/方法（例如）来计算数组的滚动差 这是我最接近的解决方案： 但是，它仅计算单步滚动差。理想情况下，步长是可编辑的（即当前时间步长与最后n个步长之间的差）。 我也写了这个，但是对于更大的数组，它很慢： 问题答案： 关于什么： 通常，您可以使用自己的功能替换该功能。请注意，在这种情况下，第一项将是。 定义以下内容： 您可以在处计算值之间的差异。
-
问题内容： 我当时使用CROSS APPLY来连接Users和GeoPhone表，并且一切工作都很快，但是现在我在Phone列中有具有NULL值的Users。交叉应用会在最终输出中跳过这些行。所以我切换到OUTER APPLY。但是它的工作速度非常慢（当输出的总行数仅增加1000时，速度要慢15倍以上）。 相对： 我想了解原因。如我所见，执行计划是不同的。但是从理论上讲，我看不到任何可能导致这种速