整合營銷服務(wù)商
電腦端+手機(jī)端+微信端=數(shù)據(jù)同步管理
免費咨詢熱線：
電腦端+手機(jī)端+微信端=數(shù)據(jù)同步管理
免費咨詢熱線：
源： AI入門學(xué)習(xí)
作者：小伍哥
apply()堪稱Pandas中最好用的方法，其使用方式跟map()很像，主要傳入的主要參數(shù)都是接受輸入返回輸出。
但相較于昨天介紹的map()針對單列Series進(jìn)行處理，一條apply()語句可以對單列或多列進(jìn)行運(yùn)算，覆蓋非常多的使用場景。
參考上篇：Pandas中的寶藏函數(shù)-map
基本語法：
DataFrame.apply(func, axis=0, raw=False, result_type=None,
args=(), **kwargs)參 數(shù)：
func : function 應(yīng)用到每行或每列的函數(shù)。
axis ：{0 or 'index', 1 or 'columns'}, default 0 函數(shù)應(yīng)用所沿著的軸。
0 or index : 在每一列上應(yīng)用函數(shù)。
1 or columns : 在每一行上應(yīng)用函數(shù)。
raw : bool, default False 確定行或列以Series還是ndarray對象傳遞。
False : 將每一行或每一列作為一個Series傳遞給函數(shù)。
True : 傳遞的函數(shù)將接收ndarray 對象。如果你只是應(yīng)用一個 NumPy 還原函數(shù)，這將獲得更好的性能。
result_type : {'expand', 'reduce', 'broadcast', None}, default None 只有在axis=1列時才會發(fā)揮作用。
expand : 列表式的結(jié)果將被轉(zhuǎn)化為列。
reduce : 如果可能的話，返回一個Series，而不是展開類似列表的結(jié)果。這與 expand 相反。
broadcast : 結(jié)果將被廣播到 DataFrame 的原始形狀，原始索引和列將被保留。
默認(rèn)行為(None)取決于應(yīng)用函數(shù)的返回值：類似列表的結(jié)果將作為這些結(jié)果的 Series 返回。但是，如果應(yīng)用函數(shù)返回一個 Series ，這些結(jié)果將被擴(kuò)展為列。
args : tuple 除了數(shù)組/序列之外，要傳遞給函數(shù)的位置參數(shù)。
**kwds: 作為關(guān)鍵字參數(shù)傳遞給函數(shù)的附加關(guān)鍵字參數(shù)。
官方：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.apply.html
先構(gòu)造一個數(shù)據(jù)集
data=pd.DataFrame(
{"name":['Jack', 'Alice', 'Lily', 'Mshis', 'Gdli', 'Agosh', 'Filu', 'Mack', 'Lucy', 'Pony'],
"gender":['F', 'M', 'F', 'F', 'M', 'F', 'M', 'M', 'F', 'F'],
"age":[25, 34, 49, 42, 28, 23, 45, 21, 34, 29]}
)
data
name gender age
0 Jack F 25
1 Alice M 34
2 Lily F 49
3 Mshis F 42
4 Gdli M 28
5 Agosh F 23
6 Filu M 45
7 Mack M 21
8 Lucy F 34
9 Pony F 29
這里我們參照2.1向apply()中傳入lambda函數(shù)：
data.gender.apply(lambda x:'女性' if x is 'F' else '男性')
0 女性
1 男性
2 女性
3 女性
4 男性
5 女性
6 男性
7 男性
8 女性
9 女性可以看到這里實現(xiàn)了跟map()一樣的功能。
apply()最特別的地方在于其可以同時處理多列數(shù)據(jù)，我們先來了解一下如何處理多列數(shù)據(jù)輸入單列數(shù)據(jù)輸出的情況。
譬如這里我們編寫一個使用到多列數(shù)據(jù)的函數(shù)用于拼成對于每一行描述性的話，并在apply()用lambda函數(shù)傳遞多個值進(jìn)編寫好的函數(shù)中
注意：當(dāng)調(diào)用DataFrame.apply()時，apply()在串行過程中實際處理的是每一行數(shù)據(jù)，而不是Series.apply()那樣每次處理單個值，在處理多個值時要給apply()添加參數(shù)axis=1
def fun_all(name, gender, age):
gender='女性' if gender is 'F' else '男性'
return '有個名字叫{}的人，性別為{}，年齡為{}。'.format(name, gender, age)
data.apply(lambda row:fun_all(row['name'],row['gender'],row['age']), axis=1)
0 有個名字叫Jack的人，性別為女性，年齡為25。
1 有個名字叫Alice的人，性別為男性，年齡為34。
2 有個名字叫Lily的人，性別為女性，年齡為49。
3 有個名字叫Mshis的人，性別為女性，年齡為42。
4 有個名字叫Gdli的人，性別為男性，年齡為28。
5 有個名字叫Agosh的人，性別為女性，年齡為23。
6 有個名字叫Filu的人，性別為男性，年齡為45。
7 有個名字叫Mack的人，性別為男性，年齡為21。
8 有個名字叫Lucy的人，性別為女性，年齡為34。
9 有個名字叫Pony的人，性別為女性，年齡為29。def intro(r):
#r代指dataframe中的任意行，是series類型數(shù)據(jù)，擁有類似字典的使用方法。
return '大家好，我是{name},性別是{gender}，今年{age}歲了！'.format(name=r['name'], gender=r['gender'],age=r['age'])
data.apply(intro, axis=1)
Out[81]:
0 大家好，我是Jack,性別是F，今年25歲了！
1 大家好，我是Alice,性別是M，今年34歲了！
2 大家好，我是Lily,性別是F，今年49歲了！
3 大家好，我是Mshis,性別是F，今年42歲了！
4 大家好，我是Gdli,性別是M，今年28歲了！
5 大家好，我是Agosh,性別是F，今年23歲了！
6 大家好，我是Filu,性別是M，今年45歲了！
7 大家好，我是Mack,性別是M，今年21歲了！
8 大家好，我是Lucy,性別是F，今年34歲了！
9 大家好，我是Pony,性別是F，今年29歲了！
dtype: object
#其實這樣寫也是可以的，更簡單些
def intro(r):
return '大家好，我是{},性別是{}，今年{}歲了！'.format(r['name'], r['gender'],r['age'])
data.apply(intro, axis=1)有些時候我們利用apply()會遇到希望同時輸出多列數(shù)據(jù)的情況，在apply()中同時輸出多列時實際上返回的是一個Series，這個Series中每個元素是與apply()中傳入函數(shù)的返回值順序?qū)?yīng)的元組。
比如下面我們利用apply()來提取name列中的首字母和剩余部分字母：
data.apply(lambda row: (row['name'][0], row['name'][1:]), axis=1)
0 (J, ack)
1 (A, lice)
2 (L, ily)
3 (M, shis)
4 (G, dli)
5 (A, gosh)
6 (F, ilu)
7 (M, ack)
8 (L, ucy)
9 (P, ony)可以看到，這里返回的是單列結(jié)果，每個元素是返回值組成的元組，這時若想直接得到各列分開的結(jié)果，需要用到zip(*zipped)來解開元組序列，從而得到分離的多列返回值：
a, b=zip(*data.apply(lambda row: (row['name'][0], row['name'][1:]), axis=1))
a
('J', 'A', 'L', 'M', 'G', 'A', 'F', 'M', 'L', 'P')
b
('ack', 'lice', 'ily', 'shis', 'dli', 'gosh', 'ilu', 'ack', 'ucy', 'ony')我們知道apply()在運(yùn)算時實際上仍然是一行一行遍歷的方式，因此在計算量很大時如果有一個進(jìn)度條來監(jiān)視運(yùn)行進(jìn)度就很舒服。
tqdm:用于添加代碼進(jìn)度條的第三方庫
tqdm對pandas也是有著很好的支持。
我們可以使用progress_apply()代替apply()，并在運(yùn)行progress_apply()之前添加tqdm.tqdm.pandas(desc='')來啟動對apply過程的監(jiān)視。
其中desc參數(shù)傳入對進(jìn)度進(jìn)行說明的字符串，下面我們在上一小部分示例的基礎(chǔ)上進(jìn)行改造來添加進(jìn)度條功能：
from tqdm import tqdm
def fun_all(name, gender, age):
gender='女性' if gender is 'F' else '男性'
return '有個名字叫{}的人，性別為{}，年齡為{}。'.format(name, gender, age)
#啟動對緊跟著的apply過程的監(jiān)視
from tqdm import tqdm
tqdm.pandas(desc='apply')
data.progress_apply(lambda row:fun_all(row['name'],row['gender'],
row['age']), axis=1)
apply: 100%|██████████| 10/10 [00:00<00:00, 5011.71it/s]
0 有個名字叫Jack的人，性別為女性，年齡為25。
1 有個名字叫Alice的人，性別為男性，年齡為34。
2 有個名字叫Lily的人，性別為女性，年齡為49。
3 有個名字叫Mshis的人，性別為女性，年齡為42。
4 有個名字叫Gdli的人，性別為男性，年齡為28。
5 有個名字叫Agosh的人，性別為女性，年齡為23。
6 有個名字叫Filu的人，性別為男性，年齡為45。
7 有個名字叫Mack的人，性別為男性，年齡為21。
8 有個名字叫Lucy的人，性別為女性，年齡為34。
9 有個名字叫Pony的人，性別為女性，年齡為2可以看到在jupyter lab中運(yùn)行程序的過程中，下方出現(xiàn)了監(jiān)視過程的進(jìn)度條，這樣就可以實時了解apply過程跑到什么地方了。
結(jié)合tqdm_notebook()給apply()過程添加美觀進(jìn)度條，熟悉tqdm的朋友都知道其針對jupyter notebook開發(fā)了ui更加美觀的tqdm_notebook()。而要想在jupyter notebook/jupyter lab平臺上為pandas的apply過程添加美觀進(jìn)度條，可以參照如下示例：
實是一個很簡單的東西，認(rèn)真看十分鐘就從一臉懵B 到完全 理解！
先看明白下面：
例 1
obj.objAge; // 17
obj.myFun() // 小張年齡 undefined例 2
shows() // 盲僧 比較一下這兩者 this 的差別，第一個打印里面的 this 指向 obj，第二個全局聲明的 shows() 函數(shù) this 是 window ；
1，call()、apply()、bind() 都是用來重定義 this 這個對象的！
如：
obj.myFun.call(db)； // 德瑪年齡 99
obj.myFun.apply(db); // 德瑪年齡 99
obj.myFun.bind(db)(); // 德瑪年齡 99以上出了 bind 方法后面多了個 () 外 ，結(jié)果返回都一致！
由此得出結(jié)論，bind 返回的是一個新的函數(shù)，你必須調(diào)用它才會被執(zhí)行。
2，對比call 、bind 、 apply 傳參情況下
obj.myFun.call(db,'成都','上海')； // 德瑪 年齡 99 來自 成都去往上海
obj.myFun.apply(db,['成都','上海']); // 德瑪 年齡 99 來自 成都去往上海
obj.myFun.bind(db,'成都','上海')(); // 德瑪 年齡 99 來自 成都去往上海
obj.myFun.bind(db,['成都','上海'])(); // 德瑪 年齡 99 來自 成都, 上海去往 undefined微妙的差距！
從上面四個結(jié)果不難看出:
call 、bind 、 apply 這三個函數(shù)的第一個參數(shù)都是 this 的指向?qū)ο螅诙€參數(shù)差別就來了：
call 的參數(shù)是直接放進(jìn)去的，第二第三第 n 個參數(shù)全都用逗號分隔，直接放到后面 obj.myFun.call(db,'成都', ... ,'string' )。
apply 的所有參數(shù)都必須放在一個數(shù)組里面?zhèn)鬟M(jìn)去 obj.myFun.apply(db,['成都', ..., 'string' ])。
bind 除了返回是函數(shù)以外，它 的參數(shù)和 call 一樣。
當(dāng)然，三者的參數(shù)不限定是 string 類型，允許是各種類型，包括函數(shù) 、 object 等等！
想深入的去學(xué)習(xí)JavaScript語言，有一個很重要的知識點，就是對“call()”和“apply()”的理解，有時候我們在看別人、或者是一些開源框架的源代碼的時候，也是大量出現(xiàn)這兩個方法，那這兩個方法是干嘛的，到底有什么作用？本文主要內(nèi)容就是對這兩個方法的深入探討。在講這兩個方法之前，我們還是有必要去回顧一下JavaScript中一個必須要掌握的知識點，那就是“this”，因為“call”和“apply”與“this”有著密切的聯(lián)系。
在面向?qū)ο笾校热缯fJava，this代表的是當(dāng)前對象的引用。而在JavaScript中，this不是固定不變的，而是隨著它的執(zhí)行環(huán)境的改變而改變。總結(jié)一句：this總是指向調(diào)用它所在方法的對象。this的用法一般有以下幾種，我分別列出來：
1、 this 在函數(shù)里面
*請認(rèn)真填寫需求信息，我們會在24小時內(nèi)與您取得聯(lián)系。
