之前已经写过pandas DataFrame applymap()函数
还有pandas数组(pandas Series)-(5)apply方法自定义函数
pandas DataFrame 的 applymap() 函数和pandas Series 的 apply() 方法,都是对整个对象上个各个值进行单独处理,返回一个新的对象.
而pandas DataFrame 的 apply() 函数,虽然也是作用于DataFrame的每个值,但是接受的参数不是各个值本身,而是DataFrame里各行(或列),返回一个新的行(列):
有如下一组数据: 记录了10个学生在两次考试的成绩:
grades_df = pd.DataFrame( data={‘exam1‘: [43, 81, 78, 75, 89, 70, 91, 65, 98, 87], ‘exam2‘: [24, 63, 56, 56, 67, 51, 79, 46, 72, 60]}, index=[‘Andre‘, ‘Barry‘, ‘Chris‘, ‘Dan‘, ‘Emilio‘, ‘Fred‘, ‘Greta‘, ‘Humbert‘, ‘Ivan‘, ‘James‘] )
要求把学生的成绩转换成A,B,C,D,E,五个等级,转换规则如下:
考分前 20% 的成绩得到A
20% - 50% 的得到B
50% - 80% 的得到C
80% - 90% 的得到D
90% - 100% 的得到E
首先,可以使用 .qcut() 方法来写一个按照区间转换数据值的函数: pandas的qcut()方法
def convert_grades_curve(exam_grades): return pd.qcut(exam_grades, [0, 0.1, 0.2, 0.5, 0.8, 1], labels=[‘E‘, ‘D‘, ‘C‘, ‘B‘, ‘A‘])
然后对整个DataFrame应用这个函数
print grades_df.apply(convert_grades_curve)
exam1 exam2
Andre F F
Barry B B
Chris C C
Dan C C
Emilio B B
Fred C C
Greta A A
Humbert D D
Ivan A A
James B B
可见,DataFrame的apply()方法默认作用于DataFrame的各列.
如果想作用于行,可以设置参数axis
DataFrame.apply(func,axis=0)