pandas中关于apply+lambda的应用
时间：2022-07-01 09:48:09 | 栏目：Python代码 | 点击：次
apply(func [, args [, kwargs ]]) 函数用于当函数参数已经存在于一个元组或字典中时，间接地调用函数。args是一个包含将要提供给函数的按位置传递的参数的元组。如果省略了args，任 何参数都不会被传递，kwargs是一个包含关键字参数的字典。简单说apply()的返回值就是func()的返回值，apply()的元素参数是有序的，元素的顺序必须和func()形式参数的顺序一致，与map的区别是前者针对column，后者针对元素
lambda是匿名函数，即不再使用def的形式，可以简化脚本，使结构不冗余何简洁
a = lambda x : x + 1 a(10) 11
两者结合可以做很多很多事情，比如split在series里很多功能不可用，而index就可以做
比如有一串数据如下，要切分为总数，正确数，正确率，则可这样做
96%(1368608/1412722)
97%(1389916/1427922)
97%(1338695/1373803)
96%(1691941/1745196)
95%(1878802/1971608)
97%(944218/968845)
96%(1294939/1336576)
import pandas as pd
#先生成一个dataframe
d = {"col1" : ["96%(1368608/1412722)",
"97%(1389916/1427922)",
"97%(1338695/1373803)",
"96%(1691941/1745196)",
"95%(1878802/1971608)",
"97%(944218/968845)",
"96%(1294939/1336576)"]}
df1 = pd.DataFrame(d)
#切分原文中识别率总数，采用apply + 匿名函数
#lambda 函数的意思是选取x的序列值 ，比如 x[6:9]
#index函数的意思是把当前字符位置转变为所在位置的位数
#-1是最后一位
df1['正确数'] = df1.iloc[:,0].apply(lambda x : x[x.index('(') + 1 : x.index('/')])
df1['总数'] = df1.iloc[:,0].apply(lambda x : x[x.index('/') + 1 : -1])
df1['正确率'] = df1.iloc[:,0].apply(lambda x : x[:x.index('(')])
df1
示例2
由一组dataframe数据，包括有数值型的三列气象要素，由这三列通过公式计算人体舒适指数
应用到的人体舒适指数计算公式：
import pandas as pd
import numpy as np
import math
path='D:\\data\\57582.csv' #文件路径
data=pd.read_csv(path,index_col=0,encoding='gbk') #读取数据有中文时用gbk解码
#定义舒适指数公式函数，结果保留1位小数
def get_CHB(T,RH,S):
return round(1.8*T-0.55*(1.8*T-26)*(1-RH/100)-3.2*math.sqrt(S)+32,1)
#增加一列CHB并计算数据后赋值
data['舒适指数']=data.apply(lambda x:get_CHB(x['平均气温'],x['平均相对湿度'],x['2M风速']),axis=1)
#打印结果
print(data)
#保存结果
data.to_csv('D:\\CHB.csv',encoding='gbk')
代码中使用了apply和lambda的组合，传入的参数x为整个data数据，在函数中引入的参数则是x[‘平均气温’],x[‘平均相对湿度’],x[‘2M风速’],与自定义的函数get_CHB对应。最后需使用axis=1来指定是对列进行运算。
结果如图所示：
