Python中apply和map的区别

• 一、apply用法
• 二、map用法
• apply和map的区别

概括：
apply：用在dataframe上，用于对row或者column进行计算
applymap ：用于dataframe上，是元素级别的操作
map（python自带）：用于series上，是元素级别的操作

apply作用于dataframe的一行或一列上

from pandas import Dataframe
import numpy as np

df = Dataframe(data=np.random.randint(0, 10, size=(4, 4)), columns=['a', 'b', 'c', 'd'])
print(df)
# out:
   a  b  c  d
0  6  4  9  5
1  9  1  9  9
2  4  5  2  8
3  0  3  8  7


# 作用在一列上  axis=0表示作用于列  不填默认为0
r1 = df.apply(lambda x: x.max() - x.min(), axis=0)
print(r1)
# out:
a    9
b    4
c    7
d    4
dtype: int64

r2 = df.apply(lambda x: x.max() - x.min())
print(r2)
# out:
a    9
b    4
c    7
d    4
dtype: int64

# 作用在一行上
r3 = df.apply(lambda x: x.max() - x.min(), axis=1)
print(r3)
# out:
0    5
1    8
2    6
3    8
dtype: int64

拓展：applymap： 作用在dataframe的每一个元素上

r4 = df.applymap(lambda x: str(x)+'s')
print(r4)
# out:
    a   b   c   d
0  6s  4s  9s  5s
1  9s  1s  9s  9s
2  4s  5s  2s  8s
3  0s  3s  8s  7s

map会根据提供的函数对指定序列做映射
map(function, sequence,…)

l = [1, 2, 3, 4, 5]
r = map(lambda x: x*2, l)
# map返回值为object 需转为list可视化
print(list(r))
# out:
[2, 4, 6, 8, 10]

可以通俗的理解apply和map都为数据集迭代加工的方法
apply用在dataframe上，而map用于常规一维数据处理
使用map也可以处理dataframe数据只是会显得很冗余

• 针对电影评论数据，做日期格式处理，两种方法比较

import pandas as pd

filepath = "movie.csv"
data = pd.read_csv(filepath, names=["author", "comment", "date"], usecols=[0, 1, 2])
# 使用apply处理
data['date'] = data['date'].apply(lambda x: str(x).split(' ')[0])
print(data['date'])
# 使用map处理
data['date'] = list(map(lambda x: str(x).split(' ')[0], list(data['date'])))
print(data['date'])