pandas DataFrame apply()函數(1)

之前已經寫過pandas DataFrame applymap()函數

還有pandas數組(pandas Series)-(5)apply方法自定義函數

pandas DataFrame 的 applymap() 函數和pandas Series 的 apply() 方法,都是對整個對象上個各個值進行單獨處理,返回一個新的對象.

而pandas DataFrame 的  apply() 函數,雖然也是作用於DataFrame的每個值,但是接受的參數不是各個值本身,而是DataFrame里各行(或列),返回一個新的行(列):

有如下一組數據: 記錄了10個學生在兩次考試的成績:

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']
)

要求把學生的成績轉換成A,B,C,D,E,五個等級,轉換規則如下:

考分前 20% 的成績得到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() 方法來寫一個按照區間轉換數據值的函數: 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'])

然后對整個DataFrame應用這個函數

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

可見,DataFrame的apply()方法默認作用於DataFrame的各列.

如果想作用於行,可以設置參數axis

 DataFrame.apply(func,axis=0)