Pandas中的apply函数应用

简介: Pandas中的apply函数应用

前期,我们学习了有关map函数的应用。今天,我们来看看另一个函数apply在pandas中的应用,相比于map,apply的功能更加强大,它可以传递多个函数参数,而map只能传递一个参数。

apply函数的用法如下:


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

该函数的第一个参数为外部函数,这个函数需要自己实现,而传入外部函数的参数由args实现,举个例子:

随便做了一列数据如下:

问题:要求去掉name栏中的格式后缀(即.后面的xls、doc、ppt等)

用apply函数实现:


这个例子用map和apply都能实现,但对于一些复杂的多参数情况,map可能就不太得心应手了,两种函数各有千秋,自己在实际应用中可以灵活选择。


本期就到这里,Bye!

相关文章
|
1月前
|
Python
|
1月前
|
Python
|
1月前
|
Python
Pandas 常用函数-数据合并
Pandas 常用函数-数据合并
37 1
|
1月前
|
索引 Python
Pandas 常用函数-数据排序
10月更文挑战第28天
14 1
|
1月前
|
数据采集 Python
Pandas 常用函数-数据清洗
Pandas 常用函数-数据清洗
20 2
|
1月前
|
BI Python
Pandas 常用函数-数据统计和描述
Pandas 常用函数-数据统计和描述
115 0
|
1月前
|
Python
Pandas 常用函数-数据选择和过滤
Pandas 常用函数-数据选择和过滤
13 0
|
1月前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
71 0
|
3月前
|
机器学习/深度学习 数据处理 Python
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
99 0
|
1月前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
42 2