pandas.Series.apply#

Series.apply(функция, convert_dtype=, args=(), *, by_row='compat', **kwargs)[источник]#

Вызвать функцию для значений Series.

Может быть ufunc (функция NumPy, применяемая ко всей Series) или функцией Python, работающей только с отдельными значениями.

Параметры:

функцияфункция

функцию Python или ufunc NumPy для применения.

convert_dtypebool, по умолчанию True

Попытаться найти лучший тип данных для результатов поэлементной функции. Если False, оставить как dtype=object. Обратите внимание, что тип данных всегда сохраняется для некоторых типов данных расширенных массивов, таких как Categorical.

Устарело с версии 2.1.0: convert_dtype было устаревшим. Сделайте ser.astype(object).apply() вместо этого, если вы хотите convert_dtype=False.

argsкортеж

Позиционные аргументы, передаваемые в func после значения серии.

by_rowFalse или “compat”, по умолчанию “compat”

Если "compat" и func является вызываемым объектом, func будет передаваться каждый элемент Series, как Series.map. Если func является списком или словарем вызываемых объектов, сначала попытается преобразовать каждый func в методы pandas. Если это не сработает, попытается вызвать apply снова с by_row="compat" и если это не удастся, вызовет apply снова с by_row=False (обратно совместимо). Если False, функция получит всю Series целиком.

by_row не имеет эффекта, когда func является строкой.

Добавлено в версии 2.1.0.

**kwargs

Дополнительные ключевые аргументы, передаваемые в func.

Возвращает:

Series или DataFrame: Если func возвращает объект Series, результатом будет DataFrame.

Смотрите также

Series.map: Для поэлементных операций.
Series.agg: Выполнять только агрегирующие операции типа.
Series.transform: Выполнять только операции преобразования типов.

Примечания

Функции, изменяющие переданный объект, могут вызывать неожиданное поведение или ошибки и не поддерживаются. См. Изменение с помощью методов пользовательских функций (UDF) для получения дополнительной информации.

Примеры

Создать серию с типичными летними температурами для каждого города.

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

Возведение значений в квадрат путем определения функции и передачи ее в качестве аргумента в apply().

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

Возведите значения в квадрат, передав анонимную функцию как аргумент в apply().

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

Определите пользовательскую функцию, которая требует дополнительные позиционные аргументы, и передайте эти дополнительные аргументы с помощью args ключевое слово.

>>> 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

Определите пользовательскую функцию, которая принимает аргументы ключевых слов и передает эти аргументы в 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

Используйте функцию из библиотеки Numpy.

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