Python-pandas中map，applymap和apply方法之间的区别

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]: frameOut[117]:     b         d         eUtah   -0.029638  1.081563  1.280300Ohio    0.647747  0.831136 -1.549481Texas   0.513416 -0.884417  0.195343Oregon -0.485454 -0.477388 -0.309548In [118]: f = lambda x: x.max() - x.min()In [119]: frame.apply(f)Out[119]: b    1.133201d    1.965980e    2.829781dtype: float64

许多最常见的数组统计信息（例如sum和mean）都是Dataframe方法，因此不必使用apply。

也可以使用基于元素的Python函数。假设你要根据帧中的每个浮点值来计算格式化的字符串。你可以使用applymap做到这一点：

In [120]: format = lambda x: '%.2f' % xIn [121]: frame.applymap(format)Out[121]:  b      d      eUtah    -0.03   1.08   1.28Ohio     0.65   0.83  -1.55Texas    0.51  -0.88   0.20Oregon  -0.49  -0.48  -0.31

之所以使用

applymap

Series

In [122]: frame['e'].map(format)Out[122]: Utah       1.28Ohio      -1.55Texas      0.20Oregon    -0.31Name: e, dtype: object

总结起来，apply在Dataframe的行/列基础上工作，在Dataframe applymap上按map元素工作，在Series上按元素工作。