一、总结

• apply —— 应用在 dataFrame 上，用于对 row 或者 column 进行计算
• applymap —— 应用在 dataFrame 上，元素级别的操作
• map —— python 系统自带函数，应用在 series 上， 元素级别的操作

二、实操对比

构建测试数据框：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(0, 10, (4, 3)), 
                  columns=list('abc'), 
                  index=range(4))
df
'''
	a	b	c
0	5	4	8
1	7	5	2
2	1	2	2
3	1	6	2
'''

apply 作用在 dataframe 上的一行或者一列上

#Python学习交流群：531509025

# 默认按列操作 axis=0
# 求每列的最大值、最小值之差
df.apply(lambda x: x.max() - x.min()) # axis=0

# 求每行的最大值、最小值之差
df.apply(lambda x: x.max() - x.min(), axis=1)

applymap 作用在 dataframe 的每一个元素上

# 偶数放大10倍
df.applymap(lambda x: x*10 if x%2 == 0 else x)

map 函数作用在 series 上的每一个元素

# 单独的序列
df['b'].map(lambda x: 1 if x%2 == 0 else 0)

总的来说，要对数据进行应用函数操作时，考虑数据结构是 DataFrame 还是 Series ，再考虑是要按行执行还是按列执行，进行函数的选择。

结尾给大家推荐一个非常好的学习教程，希望对你学习Python有帮助！

Python基础入门教程推荐：更多Python视频教程-关注B站：Python学习者

[video(video-WX5IrDgs-1634800181977)(type-bilibili)(url-https://player.bilibili.com/player.html?aid=847801620)(image-https://www.icode9.com/i/ll/?i=img_convert/5ff15db56683729c38ee1547ef0bf3a9.png)(title-【Python教程】全网最容易听懂的1000集python系统学习教程（答疑在最后四期，满满干货）)]

Python爬虫案例教程推荐：更多Python视频教程-关注B站：Python学习者

[video(video-1Ue5otke-1634800187124)(type-bilibili)(url-https://player.bilibili.com/player.html?aid=372208936)(image-https://www.icode9.com/i/ll/?i=img_convert/3abe5e4377a0a5f8b72a20ead4d640bb.png)(title-2021年Python最新最全100个爬虫完整案例教程，数据分析，数据可视化，记得收藏哦)]