源： AI入门学习

作者：小伍哥

apply()堪称Pandas中最好用的方法，其使用方式跟map()很像，主要传入的主要参数都是接受输入返回输出。

但相较于昨天介绍的map()针对单列Series进行处理，一条apply()语句可以对单列或多列进行运算，覆盖非常多的使用场景。

参考上篇：Pandas中的宝藏函数-map

基本语法：

DataFrame.apply(func, axis=0, raw=False, result_type=None, 
args=(), **kwargs)

参 数：

func : function 应用到每行或每列的函数。

axis ：{0 or 'index', 1 or 'columns'}, default 0 函数应用所沿着的轴。

0 or index : 在每一列上应用函数。

1 or columns : 在每一行上应用函数。

raw : bool, default False 确定行或列以Series还是ndarray对象传递。

False : 将每一行或每一列作为一个Series传递给函数。

True : 传递的函数将接收ndarray 对象。如果你只是应用一个 NumPy 还原函数，这将获得更好的性能。

result_type : {'expand', 'reduce', 'broadcast', None}, default None 只有在axis=1列时才会发挥作用。

expand : 列表式的结果将被转化为列。

reduce : 如果可能的话，返回一个Series，而不是展开类似列表的结果。这与 expand 相反。

broadcast : 结果将被广播到 DataFrame 的原始形状，原始索引和列将被保留。

默认行为(None)取决于应用函数的返回值：类似列表的结果将作为这些结果的 Series 返回。但是，如果应用函数返回一个 Series ，这些结果将被扩展为列。

args : tuple 除了数组/序列之外，要传递给函数的位置参数。

**kwds: 作为关键字参数传递给函数的附加关键字参数。

官方：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.apply.html

先构造一个数据集

data=pd.DataFrame(
{"name":['Jack', 'Alice', 'Lily', 'Mshis', 'Gdli', 'Agosh', 'Filu', 'Mack', 'Lucy', 'Pony'],
"gender":['F', 'M', 'F', 'F', 'M', 'F', 'M', 'M', 'F', 'F'],
"age":[25, 34, 49, 42, 28, 23, 45, 21, 34, 29]}
                     ) 
data
 name gender  age
0   Jack      F   25
1  Alice      M   34
2   Lily      F   49
3  Mshis      F   42
4   Gdli      M   28
5  Agosh      F   23
6   Filu      M   45
7   Mack      M   21
8   Lucy      F   34
9   Pony      F   29

1）单列数据

这里我们参照2.1向apply()中传入lambda函数：

data.gender.apply(lambda x:'女性' if x is 'F' else '男性')
0    女性
1    男性
2    女性
3    女性
4    男性
5    女性
6    男性
7    男性
8    女性
9    女性

可以看到这里实现了跟map()一样的功能。

2）输入多列数据

apply()最特别的地方在于其可以同时处理多列数据，我们先来了解一下如何处理多列数据输入单列数据输出的情况。

譬如这里我们编写一个使用到多列数据的函数用于拼成对于每一行描述性的话，并在apply()用lambda函数传递多个值进编写好的函数中

注意：当调用DataFrame.apply()时，apply()在串行过程中实际处理的是每一行数据，而不是Series.apply()那样每次处理单个值，在处理多个值时要给apply()添加参数axis=1

def fun_all(name, gender, age):
    gender='女性' if gender is 'F' else '男性'
    return '有个名字叫{}的人，性别为{}，年龄为{}。'.format(name, gender, age)




data.apply(lambda row:fun_all(row['name'],row['gender'],row['age']), axis=1)
0     有个名字叫Jack的人，性别为女性，年龄为25。
1    有个名字叫Alice的人，性别为男性，年龄为34。
2     有个名字叫Lily的人，性别为女性，年龄为49。
3    有个名字叫Mshis的人，性别为女性，年龄为42。
4     有个名字叫Gdli的人，性别为男性，年龄为28。
5    有个名字叫Agosh的人，性别为女性，年龄为23。
6     有个名字叫Filu的人，性别为男性，年龄为45。
7     有个名字叫Mack的人，性别为男性，年龄为21。
8     有个名字叫Lucy的人，性别为女性，年龄为34。
9     有个名字叫Pony的人，性别为女性，年龄为29。

def intro(r):
    #r代指dataframe中的任意行，是series类型数据，拥有类似字典的使用方法。
    return '大家好，我是{name},性别是{gender}，今年{age}岁了！'.format(name=r['name'], gender=r['gender'],age=r['age'])


data.apply(intro, axis=1)
Out[81]: 
0     大家好，我是Jack,性别是F，今年25岁了！
1    大家好，我是Alice,性别是M，今年34岁了！
2     大家好，我是Lily,性别是F，今年49岁了！
3    大家好，我是Mshis,性别是F，今年42岁了！
4     大家好，我是Gdli,性别是M，今年28岁了！
5    大家好，我是Agosh,性别是F，今年23岁了！
6     大家好，我是Filu,性别是M，今年45岁了！
7     大家好，我是Mack,性别是M，今年21岁了！
8     大家好，我是Lucy,性别是F，今年34岁了！
9     大家好，我是Pony,性别是F，今年29岁了！
dtype: object


#其实这样写也是可以的，更简单些
def intro(r):
    return '大家好，我是{},性别是{}，今年{}岁了！'.format(r['name'], r['gender'],r['age'])




data.apply(intro, axis=1)

3）输出多列数据

有些时候我们利用apply()会遇到希望同时输出多列数据的情况，在apply()中同时输出多列时实际上返回的是一个Series，这个Series中每个元素是与apply()中传入函数的返回值顺序对应的元组。

比如下面我们利用apply()来提取name列中的首字母和剩余部分字母：

data.apply(lambda row: (row['name'][0], row['name'][1:]), axis=1)
0     (J, ack)
1    (A, lice)
2     (L, ily)
3    (M, shis)
4     (G, dli)
5    (A, gosh)
6     (F, ilu)
7     (M, ack)
8     (L, ucy)
9     (P, ony)

可以看到，这里返回的是单列结果，每个元素是返回值组成的元组，这时若想直接得到各列分开的结果，需要用到zip(*zipped)来解开元组序列，从而得到分离的多列返回值：

a, b=zip(*data.apply(lambda row: (row['name'][0], row['name'][1:]), axis=1))


a
('J', 'A', 'L', 'M', 'G', 'A', 'F', 'M', 'L', 'P')
b
('ack', 'lice', 'ily', 'shis', 'dli', 'gosh', 'ilu', 'ack', 'ucy', 'ony')

4）结合tqdm给apply()过程添加进度条

我们知道apply()在运算时实际上仍然是一行一行遍历的方式，因此在计算量很大时如果有一个进度条来监视运行进度就很舒服。

tqdm:用于添加代码进度条的第三方库

tqdm对pandas也是有着很好的支持。

我们可以使用progress_apply()代替apply()，并在运行progress_apply()之前添加tqdm.tqdm.pandas(desc='')来启动对apply过程的监视。

其中desc参数传入对进度进行说明的字符串，下面我们在上一小部分示例的基础上进行改造来添加进度条功能：

from tqdm import tqdm
def fun_all(name, gender, age):
    gender='女性' if gender is 'F' else '男性'
    return '有个名字叫{}的人，性别为{}，年龄为{}。'.format(name, gender, age)
    
#启动对紧跟着的apply过程的监视
from tqdm import tqdm
tqdm.pandas(desc='apply')
data.progress_apply(lambda row:fun_all(row['name'],row['gender'],
                  row['age']), axis=1)


apply: 100%|██████████| 10/10 [00:00<00:00, 5011.71it/s]


0     有个名字叫Jack的人，性别为女性，年龄为25。
1    有个名字叫Alice的人，性别为男性，年龄为34。
2     有个名字叫Lily的人，性别为女性，年龄为49。
3    有个名字叫Mshis的人，性别为女性，年龄为42。
4     有个名字叫Gdli的人，性别为男性，年龄为28。
5    有个名字叫Agosh的人，性别为女性，年龄为23。
6     有个名字叫Filu的人，性别为男性，年龄为45。
7     有个名字叫Mack的人，性别为男性，年龄为21。
8     有个名字叫Lucy的人，性别为女性，年龄为34。
9     有个名字叫Pony的人，性别为女性，年龄为2

可以看到在jupyter lab中运行程序的过程中，下方出现了监视过程的进度条，这样就可以实时了解apply过程跑到什么地方了。

结合tqdm_notebook()给apply()过程添加美观进度条，熟悉tqdm的朋友都知道其针对jupyter notebook开发了ui更加美观的tqdm_notebook()。而要想在jupyter notebook/jupyter lab平台上为pandas的apply过程添加美观进度条，可以参照如下示例：

实是一个很简单的东西，认真看十分钟就从一脸懵B 到完全 理解！

先看明白下面：

例 1

obj.objAge;  // 17
obj.myFun()  // 小张年龄 undefined

例 2

shows()  // 盲僧　

比较一下这两者 this 的差别，第一个打印里面的 this 指向 obj，第二个全局声明的 shows() 函数 this 是 window ；

1，call()、apply()、bind() 都是用来重定义 this 这个对象的！

如：

obj.myFun.call(db)；　　　　// 德玛年龄 99
obj.myFun.apply(db);　　　 // 德玛年龄 99
obj.myFun.bind(db)();　　　// 德玛年龄 99

以上出了 bind 方法后面多了个 () 外 ，结果返回都一致！

由此得出结论，bind 返回的是一个新的函数，你必须调用它才会被执行。

2，对比call 、bind 、 apply 传参情况下

obj.myFun.call(db,'成都','上海')；　　　　 // 德玛 年龄 99  来自 成都去往上海
obj.myFun.apply(db,['成都','上海']);      // 德玛 年龄 99  来自 成都去往上海  
obj.myFun.bind(db,'成都','上海')();       // 德玛 年龄 99  来自 成都去往上海
obj.myFun.bind(db,['成都','上海'])();　　 // 德玛 年龄 99  来自 成都, 上海去往 undefined

微妙的差距！

从上面四个结果不难看出:

call 、bind 、 apply 这三个函数的第一个参数都是 this 的指向对象，第二个参数差别就来了：

call 的参数是直接放进去的，第二第三第 n 个参数全都用逗号分隔，直接放到后面 obj.myFun.call(db,'成都', ... ,'string' )。

apply 的所有参数都必须放在一个数组里面传进去 obj.myFun.apply(db,['成都', ..., 'string' ])。

bind 除了返回是函数以外，它 的参数和 call 一样。

当然，三者的参数不限定是 string 类型，允许是各种类型，包括函数 、 object 等等！