pandas.Series.apply

Series.apply(func, convert_dtype=_NoDefault.no_default, args=(), *, by_row='compat', **kwargs)

在 Series 的值上调用函数。

可以是 ufunc（适用于整个 Series 的 NumPy 函数）或仅处理单个值的 Python 函数。

Parameters:

funcfunction

要应用的 Python 函数或 NumPy ufunc。

convert_dtypebool, default True

尝试为逐元素函数结果查找更好的 dtype。如果为 False，则保留为 dtype=object。请注意，对于某些扩展数组 dtype（如 Categorical），dtype 始终保持不变。

自 2.1.0 版本弃用: convert_dtype 已被弃用。如果想要 convert_dtype=False，请改为执行 ser.astype(object).apply()。

argstuple

传递给 func 的位置参数，位于 series 值之后。

by_rowFalse 或 “compat”，默认为 “compat”

如果为 “compat” 且 func 是可调用的，则 func 将会接收 Series 的每个元素，类似于 Series.map。如果 func 是可调用对象的列表或字典，将首先尝试将每个 func 转换为 pandas 方法。如果失败，将尝试再次使用 by_row="compat" 调用 apply，如果仍然失败，将再次使用 by_row=False 调用 apply（向后兼容）。如果为 False，则 func 将一次性接收整个 Series。

当 func 为字符串时，by_row 无任何效果。

在 2.1.0 版本加入.

**kwargs

传递给 func 的其他关键字参数。

Returns:

Series 或 DataFrame

如果 func 返回 Series 对象，则结果将是一个 DataFrame。

参见

Series.map

用于逐元素操作。

Series.agg

仅执行聚合类型操作。

Series.transform

仅执行转换类型操作。

Notes

修改传入对象的函数可能会导致意外行为或错误，因此不受支持。有关详细信息，请参阅 使用用户定义函数 (UDF) 方法进行变异 。

Examples

创建一个 Series，包含每个城市的典型夏季温度。

>>> s = pd.Series([20, 21, 12],
...               index=['London', 'New York', 'Helsinki'])
>>> s
London      20
New York    21
Helsinki    12
dtype: int64

通过定义一个函数并将其作为参数传递给 apply() 来计算值的平方。

>>> def square(x):
...     return x ** 2
>>> s.apply(square)
London      400
New York    441
Helsinki    144
dtype: int64

通过将匿名函数作为参数传递给 apply() 来计算值的平方。

>>> s.apply(lambda x: x ** 2)
London      400
New York    441
Helsinki    144
dtype: int64

定义一个需要额外位置参数的自定义函数，并使用 args 关键字参数传递这些额外参数。

>>> def subtract_custom_value(x, custom_value):
...     return x - custom_value

>>> s.apply(subtract_custom_value, args=(5,))
London      15
New York    16
Helsinki     7
dtype: int64

定义一个接受关键字参数的自定义函数，并将这些参数传递给 apply。

>>> def add_custom_values(x, **kwargs):
...     for month in kwargs:
...         x += kwargs[month]
...     return x

>>> s.apply(add_custom_values, june=30, july=20, august=25)
London      95
New York    96
Helsinki    87
dtype: int64

使用 NumPy 库中的一个函数。

>>> s.apply(np.log)
London      2.995732
New York    3.044522
Helsinki    2.484907
dtype: float64