轉自：https://www.cnblogs.com/cymwill/p/7577369.html
https://blog.csdn.net/qq_42665335/article/details/81213175
apply,applymap和map的應用
總結:
apply 用在dataframe上，用於對row或者column進行計算；
(有些地方發現對於series類型數據應用apply也可以，？？？）
applymap 用於dataframe上，是元素級別的操作；
map （其實是python自帶的）用於series上，是元素級別的操作。
在Python中如果想要對數據使用函數，可以借助apply(),applymap(),map() 來應用函數，括號里面可以是直接函數式，或者自定義函數（def）或者匿名函數（lambad）。
import pandas as pd
import numpy as np
from pandas import DataFrame
from pandas import Series
df1= DataFrame({
"sales1":[-1,2,3],
"sales2":[3,-5,7],
})
df1
1、當我們要對數據框（DataFrame）的數據進行按行或按列操作時用apply()
df1.apply(lambda x :x.max()-x.min(),axis=1)
#axis=1，表示按行對數據進行操作
#從下面的結果可以看出，我們使用了apply函數之后，系統自動按行找最大值和最小值計算，每一行輸出一個值
0 4
1 7
2 4
dtype: int64
df1.apply(lambda x :x.max()-x.min(),axis=0)
#默認參數axis=0,表示按列對數據進行操作
#從下面的結果可以看出，我們使用了apply函數之后，系統自動按列找最大值和最小值計算，每一列輸出一個值
sales1 4
sales2 12
dtype: int64
2、當我們要對數據框（DataFrame）的每一個數據進行操作時用applymap()，返回結果是DataFrame格式
df1.applymap(lambda x : 1 if x>0 else 0)
#從下面的結果可以看出，我們使用了applymap函數之后，
#系統自動對每一個數據進行判斷，判斷之后輸出結果
3、當我們要對Series的每一個數據進行操作時用map()
df1.sales1.map(lambda x : 1 if x>0 else 0)
#df1.sales1就是一個Series
0 0
1 1
2 1
Name: sales1, dtype: int64
4、總結：要對數據進行應用函數時，先看數據結構是DataFrame還是Series,Seriesj結構直接用map(),DataFrame結構的話再看是要按行還是按列進行操作來選擇對應的函數即可~