本文主要是介绍【Python】Pandas Apply批处理-数据分析9个优雅小技巧（8）（测试代码+api例程），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
目录
- Pandas Apply批处理
- Pandas Apply批处理API说明：
- Pandas Apply批处理例程
- 总结
欢迎关注 『Python』 系列，持续更新中
欢迎关注 『Python』 系列，持续更新中
Pandas Apply批处理
Apply将一个函数应用于指定轴上的每一个元素。使用Apply，可以将DataFrame列（是一个Series）的值进行格式设置和操作。你就把这个想成pd的map映射。
Pandas Apply批处理API说明：
df[‘B’]=df[‘B’].apply(lambda x: x ** 2)
df[‘B’]=参数1.apply(参数2)
- 参数1 需要筛选的对象
- 参数2 筛选的规则函数
- 返回的是Filter类型的数据，通常需要再转化成list等其他格式，所以在最外面加上了list()
Pandas Apply批处理例程
Apply批处理第df[‘B’]列的数据平方
import pandas as pd
import numpy as np
df = pd.DataFrame([[1, 2, 3]] *3,columns=['A','B','C'],index=['a','b','c'])
print("原始数据")
print(df)
# A B C
# a 1 2 3
# b 1 2 3
# c 1 2 3df['B']=df['B'].apply(lambda x: x ** 2)
print("Apply批处理第df['B']列的数据平方")
print(df)
# A B C
# a 1 4 3
# b 1 4 3
# c 1 4 3
总结
大家喜欢的话，给个👍，点个关注！继续跟大家分享敲代码过程中遇到的问题！
版权声明：
发现你走远了@mzh原创作品，转载必须标注原文链接
Copyright 2022 mzh
Crated：2022-1-10
欢迎关注 『Python』 系列，持续更新中
欢迎关注 『Python』 系列，持续更新中
【Python安装第三方库一行命令永久提高速度】
【行内List循环-数据分析9个优雅小技巧（1）（测试代码+api例程）】
【Lambda表达式-数据分析9个优雅小技巧（2）（测试代码+api例程）】
【map函数映射-数据分析9个优雅小技巧（3）（测试代码+api例程）】
【map函数映射-数据分析9个优雅小技巧（4）（测试代码+api例程）】
【Arange给定步长的等差列表-数据分析9个优雅小技巧（5）（测试代码+api例程）】
【Linspace给定区间的等差列表-数据分析9个优雅小技巧（6）（测试代码+api例程）】
【Axis区别行列的属性-数据分析9个优雅小技巧（7）（测试代码+api例程）】
【Pandas Apply批处理-数据分析9个优雅小技巧（8）（测试代码+api例程）】
【Pivot Tables数据透视表-数据分析9个优雅小技巧（9）（测试代码+api例程）】
【更多内容敬请期待】
这篇关于【Python】Pandas Apply批处理-数据分析9个优雅小技巧（8）（测试代码+api例程）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
