dataframe，series是pandas下的兩種數(shù)據(jù)結(jié)構(gòu)，

1.series下使用apply方法：自動(dòng)遍歷整個(gè)?Series，按照相對(duì)應(yīng)的函數(shù)進(jìn)行運(yùn)算。

import pandas as pd

df = pd.DataFrame({"a":[i for i in range(5)],"b":[i+1 for i in range(4,9)]})

df.head()

print(type(df.a))

def test(data):

? ? print(data)

? ? print(type(data))

? ? data = data +1

? ? print('________')

? ? return data

se = df.a.apply(test)

se

可以看出，series使用apply方法后，apply會(huì)將series分解為一個(gè)個(gè)元素，傳入函數(shù)中，進(jìn)行計(jì)算，最后將所有的計(jì)算結(jié)果存儲(chǔ)在一個(gè)新的?Series?中返回。

series.apply(pd.Series),能夠?qū)eries對(duì)象轉(zhuǎn)為Dataframe對(duì)象

se.apply(pd.Series)

2.Dataframe?下使用apply方法:自動(dòng)遍歷整個(gè)Dataframe，按照行或列進(jìn)行運(yùn)算

比如按照行計(jì)算：

def a(data):

? ? print(data)

? ? print(type(data))

? ? data = data+3

? ? print("--------")

? ? return data

df1 = df.apply(a,axis=1)

type(df1)

可以看出，apply方法將Dataframe先分解為一個(gè)一個(gè)series數(shù)據(jù)對(duì)象，然后傳入函數(shù)中，進(jìn)行運(yùn)算，最后將所有運(yùn)算后series對(duì)象存儲(chǔ)在一個(gè)Dataframe對(duì)象中。

如果在Dataframe的apply方法中，自定義的函數(shù)中，返回的不是series，是列表的話，我們需要先將列表轉(zhuǎn)化為series，最后返回的才是Dataframe或者得到series，再轉(zhuǎn)化為Dataframe.

def a(data):

? ? list = []

? ? data = data+3

? ? list = [1,2]

? ? return list

# df1 = df.apply(a,axis=1).apply(pd.Series)? 得到series，再轉(zhuǎn)化為Dataframe,這種不能自定義index，后面的可以。

# df1 = df.apply(a,axis=1)? 需要將return list 改為 return??pd.Series(list),

df1 = df.apply(lambda x:pd.Series(a(x)),axis=1)?

df1