如何使用Pandas的 apply() 来代替

在这篇文章中，我们将介绍如何在 Python 中使用 Pandas 的 apply() 方法实现类似 inplace 的效果。

在 Python 中，apply() 函数类似于 map() 函数。它接受一个函数作为输入，并将其应用于整个 DataFrame。
如果你处理的是表格形式的数据，你需要选择你的函数应该作用于哪个轴（0 代表列；1 代表行）。

pandas apply() 方法是否有一个 inplace 参数

不，apply() 方法不包含 inplace 参数，不像以下这些 pandas 方法有 inplace 参数：

• df.drop()
• df.rename(inplace=True)
• fillna()
• dropna()
• sort_values()
• reset_index()
• sort_index()
• rename()

inplace 参数的含义

当 inplace=True 时，数据被就地编辑，这意味着方法不返回任何值，原始 DataFrame 将被直接更新。
当 inplace=False 时（默认情况），操作会执行并返回对象的副本，原始数据保持不变。

例1：单列使用 apply() 实现就地修改

在下面的代码中，我们首先导入了 pandas 包，并使用 pd.read_csv() 导入了 CSV 文件。
导入后，我们在数据框的 experience 列上使用 apply() 函数，将该列的字符串转换成大写字母。

使用的 CSV 文件：

来代替？")

import pandas as pd

# importing our dataset
df = pd.read_csv('hiring.csv')
# viewing the dataFrame
print(df)

# we change the case of all the strings
# in experience column to uppercase
df['experience'] = df['experience'].apply(str.upper)

# viewing the modified column
print(df['experience'])

输出：

来代替？")

0      FIVE
1       TWO
2     SEVEN
3     THREE
4    ELEVEN
Name: experience, dtype: object

例2：多列使用 apply() 实现就地修改

在这个例子中，我们在多个列上使用 apply() 方法，将列的数据类型从 float 改为 int。

import pandas as pd
import numpy as np

# importing our dataset
data = pd.read_csv('cluster_blobs.csv')

# viewing the dataFrame
print(data)

# we convert the datatype of columns from float to int.
data[['X1', 'X2']] = data[['X1', 'X2']].apply(np.int64)

# viewing the modified column
print(data[['X1', 'X2']])

输出：

来代替？")

例3：应用于所有列的 apply() inplace

在这个例子中，我们对整个 DataFrame 使用 apply() 方法，将所有列的数据类型从 float 改为 int。

import pandas as pd
import numpy as np

# importing our dataset
data = pd.read_csv('cluster_blobs.csv')

# viewing the dataFrame
print(data)

# we convert the datatype of
# columns from float to int.
data = data.apply(np.int64)

# viewing the modified column
print(data)

输出：

来代替？")