pandasapply()函数可以用来在pandas DataFrame的行或列中应用一个函数。
这个函数与其他函数不同，比如drop()和replace()，后者提供了一个就地参数：
df.drop(['column1'], inplace=True)
df.rename({'old_column' : 'new_column'}, inplace=True)
apply()函数没有inplace参数，所以我们必须使用下面的语法来转换DataFrame的位置：
df = df.apply(lambda x: x*2)
下面的例子展示了如何在实践中使用这种语法，并使用以下pandas DataFrame：
import pandas as pd
#create DataFrame
df = pd.DataFrame({'points': [25, 12, 15, 14, 19, 23, 25, 29],
'assists': [5, 7, 7, 9, 12, 9, 9, 4],
'rebounds': [11, 8, 10, 6, 6, 5, 9, 12]})
#view DataFrame
df
points assists rebounds
0 25 5 11
1 12 7 8
2 15 7 10
3 14 9 6
4 19 12 6
5 23 9 5
6 25 9 9
7 29 4 12
例子1：对一个列使用apply()原位转换
下面的代码展示了如何使用apply()对一个数据框架的列进行就地转换：
#multiply all values in 'points' column by 2 inplace
df.loc[:, 'points'] = df.points.apply(lambda x: x*2)
#view updated DataFrame
df
points assists rebounds
0 50 5 11
1 24 7 8
2 30 7 10
3 28 9 6
4 38 12 6
5 46 9 5
6 50 9 9
7 58 4 12
例2：对多列使用apply()原地转换
下面的代码显示了如何使用apply()对多个数据框架列进行原地转换：
multiply all values in 'points' and 'rebounds' column by 2 inplace
df[['points', 'rebounds']] = df[['points', 'rebounds']].apply(lambda x: x*2)
#view updated DataFrame
df
points assists rebounds
0 50 5 22
1 24 7 16
2 30 7 20
3 28 9 12
4 38 12 12
5 46 9 10
6 50 9 18
7 58 4 24
例3：对所有列使用apply()原地转换
下面的代码显示了如何使用apply()对所有的数据框架列进行原地转换：
#multiply values in all columns by 2
df = df.apply(lambda x: x*2)
#view updated DataFrame
df
points assists rebounds
0 50 10 22
1 24 14 16
2 30 14 20
3 28 18 12
4 38 24 12
5 46 18 10
6 50 18 18
7 58 8 24
其他资源
下面的教程介绍了如何在pandas中执行其他常见的函数：
