Python学习笔记(10):Pandas函数应用

今天来学习一下Pandas的两个主要数据结构,DataFrame和Series的函数应用。

1、numpy中的元素级方法都可以用于操作pandas对象

操作效果同numpy一样,会对数组中的所有元素进行操作,输出结果不会改变数组的行或列。

import pandas as pd
import numpy as np
from pandas import Series, DataFrame
frame = DataFrame(np.random.randn(4, 3), columns = list('bde'), index = ['Utah', 'Ohio', 'Texas', 'Oregon'])
frame
输出:
    b   d   e
Utah    -2.430792   0.114325    0.337033
Ohio    0.433084    -0.617763   1.334988
Texas   -0.044485   1.476422    1.647872
Oregon  -0.037739   0.295135    0.581948

np.abs(frame)
输出:
    b   d   e
Utah    2.430792    0.114325    0.337033
Ohio    0.433084    0.617763    1.334988
Texas   0.044485    1.476422    1.647872
Oregon  0.037739    0.295135    0.581948

好了,那么就可以顺便回顾一下Numpy中的元素级方法都有哪些。
Python学习笔记(3):Numpy基础之数组函数与数组数据处理

numpy中的元素级函数(一元函数)

2、apply()方法,将函数应用到DataFrame行或列组成的一维数组上

这里的示例代码会突然看到一个lambda,这个先简单理解为一句话函数的写法就好了。
apply方法可以对DataFrame的行或列生效,通过参数axis传递需要生效的轴。

f = lambda x: x.max() - x.min()
frame.apply(f)
输出:
b    2.863875
d    2.094185
e    1.310839
dtype: float64

frame.apply(f, axis = 1)
Utah      2.767824
Ohio      1.952751
Texas     1.692357
Oregon    0.619687
dtype: float64

传给apply的函数除了可以返回标量值,还可以返回一组Series对象。

def f(x):
    return Series([x.min(), x.max()], index = ['min', 'max'])
frame.apply(f)
输出:
b   d   e
min -2.430792   -0.617763   0.337033
max 0.433084    1.476422    1.647872

frame.apply(f, axis = 1)
输出:
              min   max
Utah    -2.430792   0.337033
Ohio    -0.617763   1.334988
Texas   -0.044485   1.647872
Oregon  -0.037739   0.581948

3、applymap(), map(),分别对DataFrame和Series元素使用自定义的元素级方法

format = lambda x: '%.2f' % x
frame.applymap(format)
输出:
    b   d   e
Utah    -2.43   0.11    0.34
Ohio    0.43    -0.62   1.33
Texas   -0.04   1.48    1.65
Oregon  -0.04   0.30    0.58

frame['e'].map(format)
输出:
Utah      0.34
Ohio      1.33
Texas     1.65
Oregon    0.58
Name: e, dtype: object

ok,工作日不宜学习太多。。晚安。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,362评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,330评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,247评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,560评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,580评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,569评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,929评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,587评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,840评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,596评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,678评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,366评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,945评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,929评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,165评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,271评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,403评论 2 342

推荐阅读更多精彩内容