Pandas库中的apply函数是一个强大的工具，它可以将函数应用到DataFrame的每一行或每一列中。它的用法非常简单，可以让你的代码更加简洁，更容易理解。
apply函数的基本用法
apply函数的基本语法如下：
DataFrame.apply(func, axis=0, broadcast=None, raw=False, reduce=None, result_type=None, args=(), **kwds)
其中，func表示要应用的函数，axis表示应用的轴，可以设置为0或1，0表示按列应用，1表示按行应用。
下面是一个简单的例子，演示如何使用apply函数计算DataFrame中每一行的和：
import pandas as pd # 创建一个DataFrame df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 使用apply函数计算每一行的和 df.apply(lambda x: x.sum(), axis=1) # 输出结果 0 6 1 15 2 24 dtype: int64
apply函数的高级用法
apply函数还有一些高级用法，比如可以实现多参数的函数应用，可以使用broadcast参数实现对每一行或每一列的广播应用，还可以使用reduce参数实现对每一行或每一列的累加应用。
下面是一个多参数的函数应用的例子：
import pandas as pd
# 创建一个DataFrame
df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 定义一个多参数的函数
def func(x, y, z):
return x + y + z
# 使用apply函数应用多参数函数
df.apply(func, args=(1, 2), axis=1)
# 输出结果
0 6
1 15
2 24
dtype: int64
下面是一个使用broadcast参数实现对每一行的广播应用的例子：
import pandas as pd # 创建一个DataFrame df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 使用apply函数应用多参数函数 df.apply(lambda x: x + 1, axis=1, broadcast=True) # 输出结果 0 1 2 0 2 3 4 1 5 6 7 2 8 9 10
下面是一个使用reduce参数实现对每一行的累加应用的例子：
import pandas as pd # 创建一个DataFrame df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 使用apply函数应用多参数函数 df.apply(lambda x: x.sum(), axis=1, reduce=True) # 输出结果 0 6 1 15 2 24 dtype: int64
Pandas库中的apply函数是一个非常强大的工具，可以让你的代码更加简洁，更容易理解。它可以实现多参数的函数应用，可以使用broadcast参数实现对每一行或每一列的广播应用，还可以使用reduce参数实现对每一行或每一列的累加应用。