如何在Pandas中使用apply

在Pandas中，可以使用apply方法来应用自定义函数或lambda函数到DataFrame的行或列上。apply方法可以接受一个函数并应用到DataFrame的每一行或每一列上。

以下是一个示例，在DataFrame中使用apply方法计算每一行的和：

import pandas as pd  # 创建一个示例DataFrame data = {     'A': [1, 2, 3],     'B': [4, 5, 6],     'C': [7, 8, 9] } df = pd.DataFrame(data)  # 定义一个自定义函数，计算每一行的和 def row_sum(row):     return row.sum()  # 使用apply方法应用自定义函数到每一行 df['Row Sum'] = df.apply(row_sum, axis=1)  print(df) 

上述代码中，我们首先创建了一个示例DataFrame，然后定义了一个自定义函数row_sum，用于计算每一行的和。接着，我们使用apply方法将这个函数应用到DataFrame的每一行上，并将计算结果存储在一个新的列Row Sum中。

除了自定义函数，还可以使用lambda函数来在apply方法中应用，例如：

# 使用lambda函数计算每一列的平均值 column_avg = df.apply(lambda x: x.mean(), axis=0) 

在这个示例中，我们使用lambda函数计算了每一列的平均值，并将结果存储在column_avg中。通过axis=0参数，我们指定了对列进行操作。

总的来说，apply方法是一个非常灵活和强大的工具，可以帮助我们在Pandas中应用自定义函数或lambda函数来处理数据。