Pandas DataFrame Applymap 方法

介绍

在本实验中，我们将学习如何在 Pandas DataFrame 中使用 applymap() 方法。applymap() 方法会将指定的函数应用于 DataFrame 中的每个元素，生成一个包含转换后值的新 DataFrame。

虚拟机提示

虚拟机启动完成后，点击左上角切换到 Notebook 标签页，以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，可以随时向 Labby 寻求帮助。实验结束后请提供反馈，我们将及时为你解决问题。

创建 DataFrame

首先，让我们创建一个名为 df 的 DataFrame，并填充一些示例数据。这个 DataFrame 将有两列，分别为 'A' 和 'B'，以及两行。

import pandas as pd

df = pd.DataFrame([[1.23, 2.23], [3.3, 4]], columns=['A','B'])
print("-----DataFrame-----")
print(df)

对每个元素应用函数

接下来，我们将使用 applymap() 方法对 DataFrame 中的每个元素应用一个函数。在这个例子中，我们将使用一个 lambda 函数来计算 DataFrame 中每个值的长度。

print(df.applymap(lambda x: len(str(x))))

为每个元素添加值

现在，让我们应用一个不同的函数，为 DataFrame 中的每个元素添加一个值。我们将使用 applymap() 方法为每个元素加 1。

print(df.applymap(lambda x: x + 1))

应用内置函数

在这一步中，我们将使用 NumPy 库中的内置函数作为 applymap() 方法的输入。我们将把 np.sum 函数传递给 applymap() 方法，以计算每个元素的和。

import numpy as np

df = pd.DataFrame([[10,11,12],[20,21,22]],columns=['A','B','C'])
print(df.applymap(np.sum))

总结

在本实验中，我们学习了如何在 Pandas DataFrame 中使用 applymap() 方法。我们了解了如何对每个元素应用函数、为每个元素添加值，以及如何使用 applymap() 方法应用内置函数。该方法提供了一种灵活的方式来逐元素转换 DataFrame 中的值。