当前位置：首页 > news >正文

【Pandas】pandas Series apply

news 来源：原创 2025/6/10 10:37:00

Pandas2.2 Series

Function application, GroupBy & window

方法	描述
Series.apply()	用于将一个函数应用到 `Series` 的每个元素或整个 `Series`

pandas.Series.apply

pandas.Series.apply 是 Pandas 库中 Series 对象的一个方法，用于将一个函数应用到 Series 的每个元素或整个 Series。它提供了极大的灵活性，可以应用于各种数据处理和转换任务。

方法签名

Series.apply(func, convert_dtype=True, args=(), **kwargs)

func: 要应用的函数。可以是 Python 内置函数、自定义函数、lambda 表达式等。
convert_dtype: 布尔值，默认为 True，表示是否尝试推断返回值的数据类型。
args: 传递给 func 的位置参数（元组形式）。
by_row: 如果“compat”和func是可调用的，则将向Series的每个元素传递func，就像Series.map一样。如果func是可调用对象的列表或字典，则将首先尝试将每个func转换为pandas方法。如果这不起作用，将尝试使用by_row=“compat”再次调用apply，如果失败，将使用by_row=False（向后兼容）再次调用applicate。如果为False，则函数将一次传递整个Series。
**kwargs: 传递给 func 的关键字参数。

主要特点

灵活应用函数：可以对 Series 的每个元素应用任意函数。
支持多种函数类型：包括内置函数、自定义函数、lambda 表达式等。
处理复杂逻辑：可以通过传递额外的参数来处理更复杂的逻辑。
返回值类型推断：根据函数返回值自动推断结果的数据类型。

#示例及结果

示例1：使用自定义函数

import pandas as pd# 创建一个 Series
s = pd.Series([1, 2, 3, 4])# 定义一个自定义函数
def square(x):return x ** 2# 使用 apply 方法应用自定义函数
result = s.apply(square)print("使用自定义函数 square 结果:")
print(result)

输出结果：

使用自定义函数 square 结果:
0     1
1     4
2     9
3    16
dtype: int64

在这个例子中，square 函数被应用到 Series 的每个元素上，返回的结果是一个新的 Series，其中每个元素都是原元素的平方。

示例2：使用 lambda 表达式

import pandas as pd# 创建一个 Series
s = pd.Series([1, 2, 3, 4])# 使用 apply 方法应用 lambda 表达式
result = s.apply(lambda x: x * 2)print("使用 lambda 表达式结果:")
print(result)

输出结果：

使用 lambda 表达式结果:
0    2
1    4
2    6
3    8
dtype: int64

在这个例子中，lambda 表达式被应用到 Series 的每个元素上，返回的结果是一个新的 Series，其中每个元素都是原元素的两倍。

示例3：传递额外参数

import pandas as pd# 创建一个 Series
s = pd.Series([1, 2, 3, 4])# 定义一个带有额外参数的自定义函数
def multiply(x, factor):return x * factor# 使用 apply 方法应用自定义函数，并传递额外参数
result = s.apply(multiply, args=(3,))print("传递额外参数结果:")
print(result)

输出结果：

传递额外参数结果:
0     3
1     6
2     9
3    12
dtype: int64

在这个例子中，multiply 函数被应用到 Series 的每个元素上，并通过 args 参数传递了一个额外的参数 factor=3，返回的结果是一个新的 Series，其中每个元素都是原元素的三倍。

示例4：使用关键字参数

import pandas as pd# 创建一个 Series
s = pd.Series([1, 2, 3, 4])# 定义一个带有关键字参数的自定义函数
def add_with_factor(x, factor=2):return x + factor# 使用 apply 方法应用自定义函数，并传递关键字参数
result = s.apply(add_with_factor, factor=5)print("使用关键字参数结果:")
print(result)

输出结果：

使用关键字参数结果:
0    6
1    7
2    8
3    9
dtype: int64

在这个例子中，add_with_factor 函数被应用到 Series 的每个元素上，并通过 kwargs 参数传递了一个关键字参数 factor=5，返回的结果是一个新的 Series，其中每个元素都是原元素加上 5。

示例5：处理字符串类型的 Series

import pandas as pd# 创建一个包含字符串的 Series
s = pd.Series(['apple', 'banana', 'cherry'])# 使用 apply 方法应用字符串方法
result = s.apply(str.upper)print("处理字符串类型的 Series 结果:")
print(result)

输出结果：

处理字符串类型的 Series 结果:
0     APPLE
1    BANANA
2    CHERRY
dtype: object

在这个例子中，str.upper 方法被应用到 Series 的每个字符串元素上，返回的结果是一个新的 Series，其中每个元素都是原字符串的大写形式。

总结

pandas.Series.apply 方法在数据分析和处理中非常有用，特别是在需要对 Series 进行复杂变换或应用自定义逻辑时。它支持多种函数类型、传递额外参数以及处理不同类型的数据，使得数据处理更加灵活和高效。通过这些示例，可以看到 apply() 方法在不同场景下的应用及其强大功能。

Pandas2.2 Series

Function application, GroupBy & window

pandas.Series.apply

方法签名

主要特点

#示例及结果

示例1：使用自定义函数

输出结果：

示例2：使用 lambda 表达式

输出结果：

示例3：传递额外参数

输出结果：

示例4：使用关键字参数

输出结果：

示例5：处理字符串类型的 Series

输出结果：

总结

相关文章：