使用输入对应的序列映射值(可以是dict、Series或函数)
对Series的值调用函数。可以是ufunc (适用于整个系列的NumPy函数),也可以是只对单个值工作的Python函数
apply()似乎做了map()所做的一切,在应用矢量化操作的同时,将标量函数矢量化。同时,map()允许对空值处理进行一定程度的控制。除了与Python的apply()和map()函数的历史类比之外,是否有理由在一般使用中选择一个函数而不是另一个函数?为什么不把这些功能组合起来呢?
发布于 2020-09-16 14:38:53
差别是微妙的:
pandas.Series.map将用传递给map的内容来替换该系列的值。
pandas.Series.apply将对该系列的值应用一个函数(可能带有参数)。
区别在于您可以将什么传递给方法。
map和apply都可以接收一个函数:s = pd.Series([1, 2, 3, 4])
def square(x):
return x**2
s.map(square)
0 1
1 2
2 3
3 4
dtype: int64
s.apply(square)
0 1
1 2
2 3
3 4
dtype: int64map的函数不能有多个参数(它将输出一个ValueError):def power(x, p):
return x**p
s.apply(power, p=3)
0 1
1 8
2 27
3 64
dtype: int64
s.map(power,3)
---------------------------------------------------------------------------
ValueError map可以接收字典(甚至是pd.Series,在这种情况下,它将使用索引作为键),而apply不能(它将输出TypeError)。dic = {1: 5, 2: 4}
s.map(dic)
0 5.0
1 4.0
2 NaN
3 NaN
dtype: float64
s.apply(dic)
---------------------------------------------------------------------------
TypeError
s.map(s)
0 2.0
1 3.0
2 4.0
3 NaN
dtype: float64
s.apply(s)
---------------------------------------------------------------------------
TypeError https://stackoverflow.com/questions/38276860
复制相似问题