Pandas Dataframe的apply方法

告诉你如何在Pandas数据框架中使用apply()的方法。

扫码关注《Python学研大本营》，加入读者群，分享更多精彩

热点

在这篇文章中，我们将探索如何在DataFrame中使用apply()方法做不同的活动。

在本教程中，我们将介绍以下内容。

• 了解Python中的apply()方法以及何时使用该方法

• 在Pandas系列中实现apply()方法

• 在Pandas数据框架上实现apply()方法

• 在Pandas数据框架上实现apply()方法以解决四个用例

了解Python中的apply()方法以及何时使用该方法？

apply()方法主要用于数据清理，它侧重于对pandas系列中的每一个元素和pandas数据框中的每一行/一列应用该方法。

让我们开始吧。

在Pandas系列上实现apply()方法

系列是一维数组，它的轴标签被命名为索引，由不同类型的数据组成，如字符串、整数和其他 Python 对象。

让我们来实现一个系列对象，它有两个列表，其中包含作为索引的行星和作为数据的直径（公里）。

代码：

1.  
   import pandas as pd
2.  
    
3.  
   import numpy as np
4.  
    
5.  
   planetinfo = pd.Series(data=[12750, 6800, 142800, 120660],
6.  
                          index=["Earth", "Mars", "Jupiter", "Saturn"])
7.  
    
8.  
   planetinfo

输出： 上面的代码返回一个planetinfo对象和它相应的数据类型。由于对象的数据类型是系列，让我们看看如何使用apply()方法将每个行星的直径（公里）转换为英里

代码：

1.  
   def km_to_miles(data):
2.  
     return 0.621371 * data
3.  
    
4.  
   print(planetinfo.apply(km_to_miles))

输出：

上面的代码返回了每个行星的直径从公里到英里的转换。为了做到这一点，我们首先定义了一个名为km_to_miles()的函数，然后我们将这个函数不带任何括号地传递给apply()方法。然后，apply()方法将系列中的每一个数据点都应用到km_to_miles()函数上。

在Pandas数据框架上实现apply()方法

我们现在将创建一个假的数据框，以了解我们如何在数据框中使用apply()方法进行行和列操作。我们要创建的假数据框包含了学生的详细信息，使用的代码如下。

代码：

1.  
   studentinfo=pd.DataFrame({'STUDENT_NAME':["MarkDavis","PriyaSingh","KimNaamjoon","TomKozoyed","TommyWalker"],
2.  
                            "ACADEMIC_STANDING":["Good","Warning","Probabtion","Suspension","Warning"],
3.  
                            "ATTENDANCE_PERCENTAGE":[0.8,0.75,0.25,0.12,0.30],
4.  
                            "MID_TERM_GRADE": ["A ","B-","D ","D-","F"]})
5.  
    
6.  
   studentinfo

输出：

我们现在已经创建了一个名为studentinfo的虚拟数据框，并将通过探索4个不同的用例来学习如何实现apply()方法。每个用例都是新的，将通过使用apply()方法来解决。

用例1

作为数据清理检查的一部分，我们将检查列STUDENT_NAME中的所有值是否只有字母。为了做到这一点，我们将定义一个名为datacheck()的函数，通过使用isalpha()方法获取STUDENT_NAME列并返回True或False。结果的真或假将被返回到studentinfo数据框中一个名为IS_ALPHABET的新列中。

代码：

1.  
   def datacheck(data):
2.  
     if data.isalpha():
3.  
      return True
4.  
     else:
5.  
      return False

现在我们将通过实现apply()方法在studentinfo数据框架的STUDENT_NAME列上应用datacheck()函数。

代码：

1.  
   studentinfo["IS_ALPHABET"] = studentinfo["STUDENT_NAME"].apply(datacheck)
2.  
   studentinfo

输出：

我们可以看到datacheck()函数是如何应用于STUDENT_NAME列的每一行，并且返回的结果被存储在一个名为IS_ALPHABET的新列中。

用例2

作为另一个数据清理检查的一部分，我们将减少列ACADEMIC_STANDING的cardinality，我们将把好的类别标记为ACADEMIC_STANDING_GOOD，其余类别标记为ACADEMIC_STANDING_BAD。

为了实现这个用例，我们将定义一个名为reduce_cardinality()的函数，获得ACADEMIC_STANDING列。在这个函数中，ifstatement将被用于比较检查，因此将ACADEMIC_STANDING_GOOD和ACADEMIC_STANDING_BAD的结果返回给ACADEMIC_STANDING列。

代码：

1.  
   def reduce_cardinality(data):
2.  
     if data != "Good":
3.  
      return "ACADEMIC_STANDING_BAD"
4.  
     else:
5.  
      return "ACADEMIC_STANDING_GOOD"

现在我们将通过实现apply()方法在studentinfo数据框架的ACADEMIC_STANDING列上应用reduce_cardinality()函数。

代码：

1.  
   studentinfo["ACADEMIC_STANDING"]=studentinfo["ACADEMIC_STANDING"].apply(reduce_cardinality)
2.  
    
3.  
   studentinfo

输出：

我们可以看到reduce_cardinality()函数是如何应用于ACADEMIC_STANDING列的每一行的，ACADEMIC_STANDING列中的原始值现在已经被修改为两个不同的类别，即ACADEMIC_STANDING_BAD和ACADEMIC_STANDING_GOOD，从而降低了数据的基数。

用例3

在这个用例中，我们将再次减少MID_TERM列的cardinality，我们将把A,B,C开头的成绩标记为Corhigher，D,F,W开头的成绩标记为Dorlower。

为了实现这个用例，我们将定义一个名为reduce_cardinality_grade()的函数，获得MID_TERM_GRADE列。在这个函数中，ifstatement和()startswith方法将被用于比较检查，从而将结果Corhigher和Dorlower返回给MID_TERM_GRADE列。

代码：

1.  
   def reduce_cardinality_grade(data):
2.  
     if data.startswith('A'):
3.  
      return "Corhigher"
4.  
     elif data.startswith('B'):
5.  
      return "Corhigher"
6.  
     elif data.startswith('C'):
7.  
      return "Corhigher"
8.  
     else:
9.  
      return "Dorlower"

现在我们将通过实现apply()方法将reduce_cardinality_grade()函数应用于studentinfo数据框的MID_TERM_GRADE列。

代码：

1.  
   studentinfo["MID_TERM_GRADE"]=studentinfo["MID_TERM_GRADE"].apply(reduce_cardinality_grade)
2.  
    
3.  
   studentinfo

输出：

我们可以看到reduce_cardinality_grade()函数是如何应用于MID_TERM_GRADE列的每一行的，MID_TERM_GRADE列内的原始值现在已经被修改为两个不同的类别，即Corhigher和Dorlower，因此减少了基数。

用例_4

在这个案例中，我们将在函数check()中创建一个名为FINAL_GRADE_STATUS的新列，FINAL_GRADE_STATUS中的值将根据以下两个条件决定。

1. 如果学生的ATTENDANCE_PERCENTAGE>=0.6，MID_TERM_GRADE为Corhigher，FINAL_GRADE_STATUS将被标记为High_Chance_Of_Passing。

2. 如果学生的ATTENDANCE_PERCENTAGE<0.6，并且MID_TERM_GRADE比FINAL_GRADE_STATUS低，将被标记为Low_Chance_Of_Passing。

在这个函数中，比较检查将通过使用Python中的ifstatement和操作符来完成。

代码：

1.  
   def check(data):
2.  
     if (data["ATTENDANCE_PERCENTAGE"] >= 0.6) and (data["MID_TERM_GRADE"] == "Corhigher"):
3.  
      return "High_Chance_Of_Passing"
4.  
     elif (data["ATTENDANCE_PERCENTAGE"] < 0.6) and (data["MID_TERM_GRADE"] == "Dorlower"):
5.  
      return "Low_Chance_Of_Passing"

现在我们将通过实现apply()方法，在studentinfo数据框的ATTENDANCE_PERCENTAGE、MID_TERM_GRADE列上应用检查函数。axis=1参数意味着要在数据框中的行上进行迭代。

代码：

1.  
   studentinfo["FINAL_GRADE_STATUS"]=studentinfo[["ATTENDANCE_PERCENTAGE","MID_TERM_GRADE"]].apply(check,axis = 1)
2.  
    
3.  
   studentinfo

输出：

我们可以看到check()函数是如何应用于MID_TERM_GRADE和ATTENDANCE_PERCENTAGE列的每一行，从而返回一个名为FINAL_GRADE_STATUS的新列，其值为Corhigher和Dorlower。

总结

在本教程中，我们通过探索不同的用例了解了如何使用apply()方法。apply()方法使用户能够对系列或pandas数据框的每个值进行不同类型的数据操作。

参考：https://www.kdnuggets.com/2022/07/apply-method-pandas-dataframes.html

新书快讯

《Pandas1.x实例精解》

购买链接：https://item.jd.com/13255935.html

内容系统全面，紧跟时代步伐

本书详细阐述了与Pandas相关的基本解决方案，主要包括Pandas基础，DataFrame基本操作，创建和保留DataFrame，开始数据分析，探索性数据分析，选择数据子集，过滤行，对齐索引，分组以进行聚合、过滤和转换，将数据重组为规整形式，组合Pandas对象，时间序列分析，使用Matplotlib、Pandas和Seaborn进行可视化，调试和测试等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。

深入浅出，清晰而透彻

本书以操作秘笈的形式编写，包含近100个秘笈，从非常简单的应用到高级操作技巧都有涵盖。所有秘笈力求以清晰、简洁、现代的惯用Pandas代码编写。“实战操作”部分详细介绍各个秘笈的操作步骤，“原理解释”部分对秘笈的每一步都进行非常详细的阐释。绝大多数秘笈还提供“扩展知识”部分。

读者将收获什么？

读者能够举一反三，发展出自己的操作技巧。本书包含大量的Pandas代码，并提供了配套的源数据文件，以便读者跟随操作和对照学习。

适用读者

阅读本书需要掌握一定的Python基础知识。我们假定读者熟悉Python中所有常见的内置数据容器，如列表、集合、字典和元组。

精彩回顾

想用Python赚钱？——安排！

Kindle退出中国怎么办？快用Python下载你的电子书 

可视化案例研究——以智利总统选举为例

扫码关注《Python学研大本营》，加入读者群，分享更多精彩

这篇好文章是转载于：学新通技术网