apply,applymap和map的区别

总结:

apply用在dataframe上，用于对row或者column进行计算；

(有些地方发现对于series类型数据应用apply也可以，？？？）

applymap用于dataframe上，是元素级别的操作；

map（其实是python自带的）用于series上，是元素级别的操作。

在Python中如果想要对数据使用函数，可以借助apply(),applymap(),map() 来应用函数，括号里面可以是直接函数式，或者自定义函数（def）或者匿名函数（lambad）。

```

import pandas as pd

import numpy as np

from pandas import DataFrame

from pandas import Series

df1= DataFrame({

"sales1":[-1,2,3],

"sales2":[3,-5,7],

})

df1

```

1、当我们要对数据框（DataFrame）的数据进行按行或按列操作时用apply()

```df1.apply(lambda x :x.max()-x.min(),axis=1)```

#axis=1，表示按行对数据进行操作

#从下面的结果可以看出，我们使用了apply函数之后，系统自动按行找最大值和最小值计算，每一行输出一个值

0 4

1 7

2 4

dtype: int64

df1.apply(lambda x :x.max()-x.min(),axis=0)

#默认参数axis=0,表示按列对数据进行操作

#从下面的结果可以看出，我们使用了apply函数之后，系统自动按列找最大值和最小值计算，每一列输出一个值

```

sales1 4

sales2 12

dtype: int64

```

2、当我们要对数据框（DataFrame）的每一个数据进行操作时用applymap()，返回结果是DataFrame格式

```df1.applymap(lambda x : 1 if x>0 else 0)```

#从下面的结果可以看出，我们使用了applymap函数之后，

#系统自动对每一个数据进行判断，判断之后输出结果

3、当我们要对Series的每一个数据进行操作时用map()

```df1.sales1.map(lambda x : 1 if x>0 else 0)```

#df1.sales1就是一个Series

0 0

1 1

2 1

Name: sales1, dtype: int64

4、总结：要对数据进行应用函数时，先看数据结构是DataFrame还是Series,Seriesj结构直接用map(),DataFrame结构的话再看是要按行还是按列进行操作来选择对应的函数即可~