pandas自定义行数apply

python pandas自定义函数

pandas是数据分析的利器，它内置许多的函数，我之前的一篇博客对pandas的一些常用函数都做了介绍，但是很多时候光是他本身自带的函数可能还不够用，所以这里介绍一下pandas数据类型DataFrame的一个方法，可以让我们的自定义函数运用在上面。
下面看一段代码

import pandas as pd
import os

def f(column):
    print(type(column))

df=pd.DataFrame({'column1':[1,2,5,8,63],'column2':[5,6,85,3,5],'column3':[54,36,45,85,69]},index=['fs','fd','f','fa','df'])
print(df)
df.apply(f)

这段代码的输出结果如下：

上述代码我们定义了一个函数f,通过apply运用在我们创建的dataframe数据类型上，这里你其实可以发现，f中需要传递一个参数，其实这里你可以发现，dataframe为f传递了三个参数，分别是三个Series对象，其实啊！这里默认传递列参数，然后我们就可以通过这个方法使用自定义函数对列进行操作。
下面再看一段有趣的事例代码：

import pandas as pd
import os
import numpy as np
df=pd.DataFrame({'column1':[1,2,5,8,63],'column2':[5,6,85,3,5],'column3':[54,36,45,85,69]},index=['fs','fd','f','fa','df'],dtype=np.object)
print(df)
def  f2(x):
    x[3]="hello ,good boy"
    x[2]='hello ,good girl'

df.apply(f2)
print(df)

os.system("pause")

结果如下：

你会发现这样的修改结果，通过这个案例，或许你可以意识到自定义函数的好处。

同时，apply不仅可以对列进行操作还可以对行进行操作，只需要对apply传递一个参数axis=0
下面我再给出一段示例代码：

def f3(x):
    print(type(x))
    print(x)
   

df.apply(f3,axis=1)

输出结果如下：

这里有一个要注意的地方，apply对行进行操作时，是不能对元素进行赋值的，但可以进行数据类型转换，也就是不能对行的值进行更改。

实例

def del_unit(sel):
    sel[7] = sel[7][:-2]
    return sel
def add_unit(sel2):  
    sel2[7] = sel2[7] + 'MB'
    return sel2

talk_data = total[['主机名称','主机IP','协议','主机帐户','用户名','来源IP','会话时长','会话大小']]

talk_data = talk_data[~talk_data['会话大小'].str.contains('KB')]         

talk_data_mb = talk_data[talk_data['会话大小'].str.contains('MB')]
talk_data_mb= talk_data_mb.apply(del_unit,axis=1)
talk_data_mb = talk_data_mb.sort_values(by='会话大小',ascending=False)
talk_data_mb= talk_data_mb.apply(add_unit,axis=1)

参考文章：https://www.cnblogs.com/gaoxing2580/p/13193459.html