扫码加入数据分析学习群

它们的区别就在于应用对象的不同

1、map

map()是Series对象的一个函数，DataFrame中没有map()，map()的功能是将一个自定义函数作用于Series对象的每个元素。

eg：
1 frame = pd.DataFrame({
　　　　　　　　　　　　　　　'key1':['a','b','c','d'],
　　　　　　　　　　　　　　　'key2':['one','two','three','four'],
　　　　　　　　　　　　　　　'data1':np.arange(4),
　　　　　　　　　　　　　　　'data2':np.arange(5,9)
　　　　　　　　　　　　　 })

2 df

现在使用map()函数来将data1这一列的数据改为保留三位小数显示

1 df['data1'] = df['data1'].map(lambda x : "%.3f"%x)

运行结果：

2、apply

apply()函数的功能是将一个自定义函数作用于DataFrame的行或者列

eg：现在使用apply()对data1和data2相加

df['total'] = df[['data1','data2']].apply(lambda x : x.sum(), axis = 1)

运行结果：

df.loc['total'] = df[['data1','data2']].apply(lambda x : x.sum(), axis = 0) #注意索引行必须用loc

3、applymap

applymap()函数的功能是将自定义函数作用于DataFrame的所有元素

eg：现在将DataFrame的所有元素前面加字符#

1 def add(n): 2 return '#' + str(n) 3 df.applymap(add)

运行结果：

 容易发现，DataFrame对象的一行或者一列可以看成一个Series对象，因此也适用map()函数，几个对象之间可以互相转化，注意灵活使用。