Python数据分析实战-applymap、apply、map有什么区别？（附源码和实现效果）

实现功能

applymap：applymap 是 DataFrame 对象的方法，用于对 DataFrame 中的每个元素应用一个函数。它将函数应用于 DataFrame 的每个元素，并返回一个新的具有相同形状的 DataFrame。applymap 通常用于对 DataFrame 中的每个单元格进行元素级操作。

apply：apply 是 Series 和 DataFrame 对象的方法，用于对行或列应用一个函数。对于 DataFrame，apply 默认按列进行操作，但可以通过指定 axis 参数来改变操作的方向。apply 返回一个新的 Series 或 DataFrame

map：map 是 Series 对象的方法，用于对 Series 中的每个元素应用一个函数或字典映射。它将函数或字典映射应用于 Series 的每个元素，并返回一个新的 Series。

实现代码

import pandas as pd
 
df = pd.DataFrame({
                   'age': [20, 22, 21, 23, None],
                   'score': [95, 88, 92, 78, 100]})
 
se = pd.Series([5, 8, 2, 7, 10])
 
# 假设有一个 DataFrame df，你可以使用 applymap 将一个函数应用于每个单元格
df = df.applymap(lambda x: x * 2)  # 将每个单元格的值乘以2
print(df)
print('---------------')
# 对于一个 Series s，你可以使用 apply 将一个函数应用于每个元素
se = se.apply(lambda x: x * 2)  # 将每个元素的值乘以2
print(se)
print('---------------')
# 对于一个 DataFrame df，你可以使用 apply 将一个函数应用于每一行或每一列
df = df.apply(lambda x: x.sum(), axis=0)  # 对每一列求和
print(df)
print('---------------')
# 假设有一个 Series s，你可以使用 map 将一个函数或字典映射应用于每个元素
se = se.map(lambda x: x * 2)  # 将每个元素的值乘以2
print(se)

实现效果

本人读研期间发表5篇SCI数据挖掘相关论文，现在某研究院从事数据挖掘相关科研工作，对数据挖掘有一定认知和理解，会结合自身科研实践经历不定期分享关于python、机器学习、深度学习基础知识与案例。

致力于只做原创，以最简单的方式理解和学习，关注我一起交流成长。

邀请三个朋友关注V订阅号：数据杂坛，即可在后台联系我获取相关数据集和源码，送有关数据分析、数据挖掘、机器学习、深度学习相关的电子书籍。