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
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)
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：
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：
到此这篇关于pandas中关于apply+lambda的应用的文章就介绍到这了,更多相关pandas apply+lambda内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！
