HOWTO · Pandas
如何將函式應用到 Pandas Dataframe 中的某一列中去
本文比較了 apply 和 transform 方法的用法、語法和應用;如何使用它們將一個函式應用到 DataFrame 中。
本頁內容
在 Pandas 中,使用 df["A"] 選取欄位即可取得 Series,接著在該 Series 上呼叫 apply() 或 transform()。若要修改 DataFrame,請將回傳的 Series 指定回 df["A"]。若函式需要一起處理多個列或欄,請使用 DataFrame.apply(),並選擇其 axis。本指南會透過可用的範例比較這些做法。另請參閱 apply() 參考資料和 transform() 參考資料。
apply() 和 transform() 的差異
對 Series 而言,這兩種方法都能套用逐元素函式。例如,將每個值加上二的函式,會為每個輸入值產生一個結果,並保留 Series 的索引。若後續操作需要索引相同的結果,例如將轉換後的值指定給某個欄位,transform() 就很實用。apply() 的用途較廣:依函式的回傳值而定,結果可能是 Series,也可能是其他結構。不要把 transform() 視為一般的 Python 序列;它會回傳 Pandas 物件,其索引和形狀會依輸入資料與函式而定。
對 DataFrame 而言,apply() 每次會沿著一個 axis 執行。使用預設值 axis=0 時,Pandas 會將每個欄位以 Series 的形式傳給函式,沿著各列向下處理。使用 axis=1 時,則會將每一列以 Series 的形式傳給函式,沿著各欄向右處理。換句話說,axis=0 會對欄位套用函式,而 axis=1 會對列套用函式;結果的型別和形狀取決於函式的回傳值。
使用 apply() 對單一欄位套用函式
當函式只需接收 A 欄的值時,請使用 df["A"].apply(function)。以下範例會將每個值加上二,並把結果指定回原欄位,因此其他欄位不會變動。
執行以下範例:
本節中的程式碼以及顯示的標籤或輸出仍為英文。
import pandas as pd
df = pd.DataFrame({"A": [1, 4, 7], "B": [2, 5, 8], "C": [3, 6, 9]})
def add_two(value):
return value + 2
df["A"] = df["A"].apply(add_two)
print(df["A"].tolist())
A 欄的結果值為 3、6 和 9;B 欄與 C 欄則維持不變。若只需要轉換後的值來進行其他計算,可以省略指定操作,直接使用回傳的 Series。選取 df["A"] 才能將操作限定在單一欄位;呼叫 df.apply(...) 的行為不同,因為它會沿著 DataFrame 的 axis,將整個 Series 傳給函式。
使用 transform() 對單一欄位套用函式
對相同的逐元素操作而言,transform() 會回傳與所選 Series 索引對齊的 Series。透過指定操作可明確更新欄位:
本節中的程式碼以及顯示的標籤或輸出仍為英文。
import pandas as pd
df = pd.DataFrame({"A": [1, 4, 7], "B": [2, 5, 8], "C": [3, 6, 9]})
df["A"] = df["A"].transform(lambda value: value + 2)
print(df["A"].tolist())
這個逐元素函式會產生相同的值,同時保留原本的索引對齊方式。若操作需要保留相同索引的結果,請使用 transform();它本身不會更新 df。若沒有指定回欄位,df["A"] 就會維持原樣。遇到較複雜的函式時,請確認回傳物件的形狀與標籤符合後續操作的需求。
對整個 DataFrame 套用函式
呼叫 df.apply(function) 預設會逐欄處理。每次呼叫函式時,都會以 Series 的形式傳入一個欄位。例如,對 Series 的每個值加上二的函式,會回傳一個列數與欄數都相同的 DataFrame。若要改為逐列處理,請設定 axis=1;此時函式會收到每一列的 Series。若要用轉換後的 DataFrame 取代或更新原本的變數,必須進行指定操作。
本節中的程式碼以及顯示的標籤或輸出仍為英文。
import pandas as pd
df = pd.DataFrame({"A": [1, 4, 7], "B": [2, 5, 8], "C": [3, 6, 9]})
by_column = df.apply(lambda values: values + 2)
row_totals = df.apply(lambda row: row["A"] + row["B"] + row["C"], axis=1)
print(by_column["A"].tolist())
print(row_totals.tolist())
在此範例中,by_column 是 DataFrame,因為函式對每個輸入欄位都會回傳 Series;row_totals 則是 Series,因為逐列函式對每一列會回傳一個純量。若要取得更新後的 DataFrame,可以使用 df = by_column 將 by_column 指定回去,或將選取的結果指定給某個欄位。若要對每個儲存格獨立進行簡單算術運算,使用 df + 2 這類 Pandas 向量化操作,通常比 apply() 更清楚、速度也更快。