标签:153 函数 210 df1 270 98 应用 np pandas
pandas的函数应用
import pandas as pd
import numpy as np
df = pd.DataFrame(np.modf(np.random.randn(5,4)*100)[1].astype('int32'),columns=list('ABCD'))
df
A | B | C | D | |
---|---|---|---|---|
0 | -58 | 7 | 105 | -83 |
1 | -191 | 34 | -98 | -270 |
2 | 10 | 59 | -98 | -210 |
3 | 89 | -54 | 23 | -146 |
4 | -17 | 52 | -153 | 95 |
1、可直接使用NumPy的函数(求绝对值 abs)
df1 = np.abs(df)
df1
A | B | C | D | |
---|---|---|---|---|
0 | 58 | 7 | 105 | 83 |
1 | 191 | 34 | 98 | 270 |
2 | 10 | 59 | 98 | 210 |
3 | 89 | 54 | 23 | 146 |
4 | 17 | 52 | 153 | 95 |
df2 = np.sum(df1)
df2
A 365
B 206
C 477
D 804
dtype: int64
2、通过apply将函数应用到列或行上
注意轴的方向,默认axis=0.按列,
f = lambda x: x.max()
df1.apply(f)
A 191
B 59
C 153
D 270
dtype: int32
df1.apply(f,axis=1) # 按行进行对比求最大值
0 105
1 270
2 210
3 146
4 153
dtype: int32
3、通对每个数值计算用applymap
f2 = lambda x:x+100
df1.applymap(f2)
A | B | C | D | |
---|---|---|---|---|
0 | 158 | 107 | 205 | 183 |
1 | 291 | 134 | 198 | 370 |
2 | 110 | 159 | 198 | 310 |
3 | 189 | 154 | 123 | 246 |
4 | 117 | 152 | 253 | 195 |
标签:153,函数,210,df1,270,98,应用,np,pandas 来源: https://www.cnblogs.com/gujianjian/p/15325345.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。