Pandas 中map, applymap and apply的区别

1.apply()

当想让方程作用在一维的向量上时，可以使用apply来完成，如下所示

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

但是因为大多数的列表统计方程 (比如 sum 和 mean)是DataFrame的函数，所以apply很多时候不是必须的

2.applymap()

如果想让方程作用于DataFrame中的每一个元素，可以使用applymap().用法如下所示

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

3.map()

map()只要是作用将函数作用于一个Series的每一个元素，用法如下所示

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

总的来说就是apply()是一种让函数作用于列或者行操作，applymap()是一种让函数作用于DataFrame每一个元素的操作，而map是一种让函数作用于Series每一个元素的操作