一、总结

• apply —— 应用在 dataFrame 上，用于对 row 或者 column 进行计算
• applymap —— 应用在 dataFrame 上，元素级别的操作
• map —— python 系统自带函数，应用在 series 上， 元素级别的操作

二、实操对比

构建测试数据框：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(0, 10, (4, 3)), 
                  columns=list('abc'), 
                  index=range(4))
df
'''
	a	b	c
0	5	4	8
1	7	5	2
2	1	2	2
3	1	6	2
'''

apply 作用在 dataframe 上的一行或者一列上

#Python学习交流群：531509025

# 默认按列操作 axis=0
# 求每列的最大值、最小值之差
df.apply(lambda x: x.max() - x.min()) # axis=0

# 求每行的最大值、最小值之差
df.apply(lambda x: x.max() - x.min(), axis=1)

applymap 作用在 dataframe 的每一个元素上

# 偶数放大10倍
df.applymap(lambda x: x*10 if x%2 == 0 else x)

map 函数作用在 series 上的每一个元素

# 单独的序列
df['b'].map(lambda x: 1 if x%2 == 0 else 0)

总的来说，要对数据进行应用函数操作时，考虑数据结构是 DataFrame 还是 Series ，再考虑是要按行执行还是按列执行，进行函数的选择。

来源：https://www.cnblogs.com/python960410445/p/15463099.html