Pandas中apply函数怎么用

# Pandas中apply函数怎么用 `apply()`是Pandas库中最强大且最常用的函数之一，它允许用户对DataFrame或Series的行/列执行自定义操作。本文将详细介绍`apply()`的核心用法、性能优化技巧以及实际应用场景。 ## 一、apply函数基础 ### 1.1 基本语法 ```python DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwargs) 

• func：要应用的函数
• axis：应用方向（0: 列方向，1: 行方向）
• raw：是否将数据作为ndarray传递（默认False，传递Series）
• result_type：控制返回类型（’expand’/‘reduce’/‘broadcast’）
• args：传递给func的位置参数

1.2 基本示例

import pandas as pd import numpy as np df = pd.DataFrame({ 'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9] }) # 对每列求和 df.apply(np.sum, axis=0) # 对每行求和 df.apply(np.sum, axis=1) 

二、Series的apply应用

2.1 标量处理

s = pd.Series([1, 2, 3, 4]) # 平方处理 s.apply(lambda x: x**2) 

2.2 向量化操作

# 更高效的向量化操作（推荐） s ** 2 

三、DataFrame的apply应用

3.1 列方向操作

# 计算每列的平均值 df.apply(np.mean) # 等价于 df.mean() 

3.2 行方向操作

# 计算每行的最大值 df.apply(lambda row: max(row), axis=1) # 等价于 df.max(axis=1) 

3.3 复杂数据处理

# 处理多列数据 def complex_func(row): return row['A'] * 2 + row['B'] / 3 df.apply(complex_func, axis=1) 

四、进阶应用技巧

4.1 使用args传递参数

def power(x, n): return x ** n df['A'].apply(power, args=(3,)) 

4.2 返回多列结果

def multi_output(row): return pd.Series({ 'sum': row.sum(), 'mean': row.mean() }) df.apply(multi_output, axis=1) 

4.3 使用result_type控制输出

# 自动扩展为多列 df.apply(lambda x: [x.min(), x.max()], axis=1, result_type='expand') 

五、性能优化方案

5.1 向量化操作优先

# 不推荐 df.apply(lambda x: x*2) # 推荐（快10-100倍） df * 2 

5.2 使用内置方法

# 不推荐 df.apply(np.sum) # 推荐 df.sum() 

5.3 使用numba加速

from numba import jit @jit def numba_func(x): # 复杂计算逻辑 return result df.apply(numba_func) 

六、实际应用案例

6.1 数据清洗

# 清洗异常值 def clean_data(x): if x > 100: return np.nan return x df.applymap(clean_data) # 对每个元素应用 

6.2 特征工程

# 创建新特征 df['new_feature'] = df.apply( lambda row: row['height'] / row['weight'], axis=1 ) 

6.3 文本处理

# 处理文本列 df['text'].apply(lambda x: x.lower().strip()) 

七、与相关函数对比

7.1 apply vs map

函数	适用对象	特点
apply	DataFrame	行列方向灵活应用
map	Series	元素级转换

7.2 apply vs applymap

函数	作用层级	性能
apply	行/列级别	中等
applymap	元素级别	较慢

7.3 apply vs agg/transform

# agg用于聚合操作 df.agg(['sum', 'mean']) # transform保持原形状 df.transform(lambda x: x*2) 

八、常见问题解答

Q1: 为什么apply比直接运算慢？

A1: apply是通用函数，存在函数调用开销，而直接运算使用优化过的底层实现。

Q2: 如何判断该用apply还是向量化操作？

A2: 遵循”向量化优先”原则，只有当内置方法无法实现时才考虑apply。

Q3: apply能并行化吗？

A3: 可以结合swifter库实现：

import swifter df.swifter.apply(func) 

九、最佳实践建议

1. 优先使用Pandas/Numpy内置方法
2. 复杂逻辑考虑使用numba加速
3. 行方向操作时注意性能损耗
4. 大数据集考虑分块处理
5. 适当使用缓存机制避免重复计算

十、总结

apply()是Pandas中极为灵活的工具，但需要合理使用才能平衡功能与性能。掌握其核心用法后，可以优雅地解决许多复杂的数据处理问题。

注意：本文所有代码示例基于Pandas 1.3+版本，部分特性在旧版本中可能不可用。 “`

这篇文章包含了约1750字内容，采用Markdown格式，包含： - 代码块示例 - 对比表格 - 结构化标题 - 实际应用案例 - 性能优化建议 - 常见问题解答

可根据需要进一步扩展特定部分的细节或添加更多实际案例。