如何就地使用 Pandas apply()？

Pandas 是 Python 中有名的数据操作库，适用于数据清洗、处理、分析等方面工作。其中，apply() 是一个常用的函数，用于在 Pandas 对象上执行自定义操作，以实现数据处理。

什么是 apply()？

在 Pandas 中，apply() 函数可以作用于序列、数据框等对象的整个行或列上。它提供了一种便捷的方式，来对这些对象进行操作，并返回结果序列或数据框。

apply() 有两种使用方式。一种是在数据框中使用，对每一列数据应用一个自定义函数，返回新的 Series 或 DataFrame。另一种则是在 Series 中使用，对其中每一元素应用一个自定义函数，返回新的 Series。

如何就地使用 apply()？

下面将演示如何在 Pandas 数据框中就地使用 apply() 来实现数据处理。

首先，我们需要创建一个包含数据的数据框：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
print(df)

输出结果如下：

   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

现在，我们希望对每一列数据应用一个自定义函数，使每个数据减去该列的均值。可以使用 apply() 函数实现：

df.apply(lambda x: x - np.mean(x))

这个 lambda 函数对数据框中的每一列数据进行操作，计算每列数据的平均值，然后取每个数据减去该列的平均值。运行结果如下：

     A    B    C
0 -1.0 -1.0 -1.0
1  0.0  0.0  0.0
2  1.0  1.0  1.0

另外，我们也可以在 Series 中就地使用 apply() 进行操作。例如，对于数据框中的一列，我们希望将每个数据的开方值保留两位小数。可以使用下面的代码实现：

df['C'] = df['C'].apply(lambda x: round(np.sqrt(x), 2))

这个 lambda 函数对数据框中的 C 列进行操作，计算每个数据的开方值并保留两位小数，然后将结果赋值给原来的 C 列。运行结果如下：

   A  B     C
0  1  4  2.65
1  2  5  2.83
2  3  6  3.00

总结

apply() 是 Pandas 中非常有用的函数，它提供了一种灵活、快捷的方式，用于数据的处理和分析。可以同时对序列、数据框等对象进行操作，并返回新的序列或数据框。在实际的数据清洗和处理中，apply() 经常会用到。