pandas.DataFrame.apply

DataFrame.apply(func, axis=0, broadcast=None, raw=False, reduce=None, result_type=None, args=(), **kwds) [source]

Применить функцию вдоль оси DataFrame.

Объекты, передаваемые функции, являются объектами Series, индекс которых — либо индекс DataFrame (axis=0) либо столбцы DataFrame (axis=1). По умолчанию (result_type=None) конечный тип возвращаемого значения определяется по типу возвращаемого значения применяемой функции. В противном случае он зависит от аргумента result_type.

Параметры:

func : function Функция, применяемая к каждому столбцу или строке. axis : {0 or ‘index’, 1 or ‘columns’}, default 0 Ось, по которой применяется функция: 0 или ‘index’: применение функции к каждому столбцу. 1 или ‘columns’: применение функции к каждой строке. broadcast : bool, optional Актуально только для агрегирующих функций: False или None : возвращает Series, длина которой равна длине индекса или количеству столбцов (в зависимости от параметра axis) True : результаты будут транслироваться к исходной форме DataFrame, исходный индекс и столбцы будут сохранены. Устаревшее с версии 0.23.0: Этот аргумент будет удален в будущей версии, заменён на result_type=’broadcast’. raw : bool, default False False : каждая строка или столбец передается в функцию как объект Series. True : переданная функция будет получать объекты ndarray вместо этого. Если вы просто применяете функцию сокращения NumPy, это обеспечит гораздо лучшую производительность. reduce : bool or None, default None Попытка применить процедуры сокращения. Если DataFrame пустой, apply будет использовать reduce для определения, должно ли быть возвращено значение Series или DataFrame. Если reduce=None (по умолчанию), apply будет угадываться по результату вызова func на пустой Series (примечание: при угадывании исключения, поднятые func, будут игнорироваться). Если reduce=True, всегда будет возвращена Series, и если reduce=False, всегда будет возвращен DataFrame. Устаревшее с версии 0.23.0: Этот аргумент будет удалён в будущей версии, заменён на result_type='reduce'. result_type : {‘expand’, ‘reduce’, ‘broadcast’, None}, default None Эти действуют только когда axis=1 (столбцы): ‘expand’ : спископодобные результаты превратятся в столбцы. ‘reduce’ : возвращает Series, если это возможно, а не расширяет спископодобные результаты. Это противоположно ‘expand’. ‘broadcast’ : результаты будут транслироваться к исходной форме DataFrame, исходный индекс и столбцы будут сохранены. Поведение по умолчанию (None) зависит от возвращаемого значения применяемой функции: спископодобные результаты будут возвращены как Series этих. Однако если функция apply возвращает Series, они расширяются в столбцы. Введено в версии 0.23.0. args : tuple Позиционные аргументы для передачи в func дополнительно к массиву/Series. **kwds Дополнительные именованные аргументы для передачи в func.

Возвращает:

applied : Series or DataFrame

См. также

DataFrame.applymap

Для поэлементных операций.

DataFrame.aggregate

Только для агрегирующих операций.

DataFrame.transform

Только для трансформирующих операций.

Примечания

В текущей реализации apply дважды вызывает func на первом столбце/строке, чтобы определить, может ли он использовать быстрый или медленный путь. Это может привести к неожиданному поведению, если func имеет побочные эффекты, так как они будут влиять дважды на первый столбец/строку.

Примеры

>>> df = pd.DataFrame([[4, 9],] * 3, columns=['A', 'B'])
>>> df
   A  B
0  4  9
1  4  9
2  4  9

Использование универсальной функции numpy (в данном случае эквивалент np.sqrt(df)):

>>> df.apply(np.sqrt)
     A    B
0  2.0  3.0
1  2.0  3.0
2  2.0  3.0

Использование функции сокращения по любой оси

>>> df.apply(np.sum, axis=0)
A    12
B    27
dtype: int64

>>> df.apply(np.sum, axis=1)
0    13
1    13
2    13
dtype: int64

Возвращение спископодобного результата приведет к Series

>>> df.apply(lambda x: [1, 2], axis=1)
0    [1, 2]
1    [1, 2]
2    [1, 2]
dtype: object

Передача result_type=’expand’ расширит спископодобные результаты в столбцы DataFrame

>>> df.apply(lambda x: [1, 2], axis=1, result_type='expand')
   0  1
0  1  2
1  1  2
2  1  2

Возврат Series внутри функции аналогичен передаче result_type='expand'. Имена результирующих столбцов будут индексом Series.

>>> df.apply(lambda x: pd.Series([1, 2], index=['foo', 'bar']), axis=1)
   foo  bar
0    1    2
1    1    2
2    1    2

Передача result_type='broadcast' гарантирует тот же результат формы, будь то спископодобный или скалярный возвращаемый функцией, и транслирует его вдоль оси. Результирующие имена столбцов будут исходными.

>>> df.apply(lambda x: [1, 2], axis=1, result_type='broadcast')
   A  B
0  1  2
1  1  2
2  1  2