与Python中的列表类似,可以使用for循环遍历DataFrame
或Series
,但是这样做(尤其是在大型数据集上)非常慢。
Pandas中提供了一个高效的替代方案:apply()
方法。
语法
DataFrame.apply(func)
Series.apply(func)
- func – 要对数据集中所有元素执行的函数
下面的例子,对于DataFrame中的所有影片,评分大于8.0的标明”good”,否则标明”bad”。
首先,创建一个函数,如果评分>8.0,返回”good”,否则返回”bad”:
def rating_function(x): if x >= 8.0: return "good" else: return "bad"
现在,通过apply()
把上面的函数应用到”rating”列中的所有元素:
# 加载数据 movies_df = pd.read_csv("IMDB-Movie-Data.csv", index_col="Title") movies_df.columns = ['rank', 'genre', 'description', 'director', 'actors', 'year', 'runtime', 'rating', 'votes', 'revenue_millions', 'metascore'] # 对"rating"列,应用rating_function movies_df["rating_category"] = movies_df["rating"].apply(rating_function) movies_df.head(2)
输出
rank genre ... metascore rating_category Title ... Guardians of the Galaxy 1 Action,Adventure,Sci-Fi ... 76.0 good Prometheus 2 Adventure,Mystery,Sci-Fi ... 65.0 bad [2 rows x 12 columns]
apply()
方法对rating
列中所有元素执行rating_function
函数,然后返回一个新的Series
。这个系列分配给一个名为rating_category
的新列。
apply()
方法中,还可以使用匿名函数。这个lambda
函数实现了与rating_function
相同的功能:
movies_df["rating_category"] = movies_df["rating"].apply(lambda x: 'good' if x >= 8.0 else 'bad') movies_df.head(2)
输出
rank genre ... metascore rating_category Title ... Guardians of the Galaxy 1 Action,Adventure,Sci-Fi ... 76.0 good Prometheus 2 Adventure,Mystery,Sci-Fi ... 65.0 bad [2 rows x 12 columns]
总的来说,使用apply()
要比手工遍历行快得多,因为Pandas内部使用了向量化。
向量化: 一种计算机编程风格,操作应用于整个数组而不是单个元素 – wikipedia
apply()
在自然语言处理(NLP)中的高使用率就是一个很好的例子。自然语言处理(NLP)时,需要将各种文本清理功能应用于字符串,以便为机器学习做准备。