Pandas 中 map、applymap 和 apply 方法的区别

在 Pandas 中，有三种方法可以用来对 DataFrame 或 Series 中的数据进行操作，它们分别是 map、applymap 和 apply。虽然它们都可以用来对数据进行操作，但是它们之间还是有一些区别的。

map 方法

map 方法是用来对 Series 中的每一个元素应用函数的。比如，我们有一个 Series，它包含了一些数字，我们想对每个数字进行平方操作，我们可以使用 map 方法来实现。

import pandas as pd

series = pd.Series([1, 2, 3, 4, 5])
squared_series = series.map(lambda x: x**2)
print(squared_series)

输出：

0     1
1     4
2     9
3    16
4    25
dtype: int64

在上面的例子中，我们首先创建了一个包含数字的 Series，然后使用 map 方法对每个数字进行平方操作，最后将结果打印出来。

需要注意的是，map 方法只能用来对 Series 中的每个元素应用函数，无法对整个 DataFrame 进行操作。如果你想对整个 DataFrame 进行操作，你需要使用 applymap 或 apply 方法。

applymap 方法

applymap 方法可以用来对 DataFrame 中的每个元素应用函数。比如，我们有一个包含了几个数字的 DataFrame，我们想对每个数字进行平方操作，我们可以使用 applymap 方法来实现。

import pandas as pd

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

输出：

   A   B   C
0  1  16  49
1  4  25  64
2  9  36  81

在上面的例子中，我们首先创建了一个包含数字的 DataFrame，然后使用 applymap 方法对每个数字进行平方操作，最后将结果打印出来。

需要注意的是，applymap 方法只能用来对 DataFrame 中的每个元素应用函数，无法对 Series 进行操作。如果你想对 Series 进行操作，你需要使用 map 或 apply 方法。

apply 方法

apply 方法可以用来对 DataFrame 或 Series 中的每一行或每一列应用函数。比如，我们有一个 DataFrame，它包含了几个数字，我们想对每一行进行平方求和操作，我们可以使用 apply 方法来实现。

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)
row_sums = df.apply(lambda x: x**2).sum(axis=1)
print(row_sums)

输出：

0     66
1    117
2    174
dtype: int64

在上面的例子中，我们首先创建了一个包含数字的 DataFrame，然后使用 apply 方法对每一行进行平方求和操作，最后将结果打印出来。

需要注意的是，apply 方法可以用来对 DataFrame 或 Series 中的每一行或每一列应用函数。如果你想对 Series 中的每个元素应用函数，你需要使用 map 方法。如果你想对 DataFrame 中的每个元素应用函数，你需要使用 applymap 方法。