pandas 的 apply(), applymap() 和 map() 对比

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas 的 map(), applymap() 和 apply() 是最为常用的函数调用方法。DataFrame.apply 一次对整行或整列进行操作。 DataFrame.applymap、Series.apply 和 Series.map 一次操作一个元素。Series.apply 和 Series.map 类似，通常可以互换。

弃用预告

从 pandas 2.1 开始，使用 DataFrame.applymap 时会抛出弃用警告。意味着 applymap 在不久的将来将会不再支持，而会被 DataFrame.map 替代。这样 DataFrame 和 Series 逐元素应用函数将统一使用 map 方法，这将降低我们的学习成本的。

详细介绍

以下为各方法的详细介绍：

apply 应用函数方法
applymap 逐元素调用函数
map 数值映射

逻辑区别

处理逻辑区别图示如下，DataFrame：

apply-applymap

Series：

apply-map

主要区别

在此做一下对比：

应用调用对象不同
- map 只能应用在 Series
- applymap 只能应用在 DataFrames
- apply 在 DataFrames 和 Series 都可以
可接受参数不同
- map 可以接受 dicts, Series, 或者 callable（可调用对象，如函数）
- applymap 和 apply 只能接受 callables（可调用对象，如函数）
处理逻辑不同
- map 对每个 Series 元素进行处理
- applymap 对 DataFrames 的每个元素进行处理
- apply 在轴（axis）进行处理，适用于更复杂的操作和聚合，行为和返回值取决于函数。
应用场景不同
- map 用于将值从一个域映射到另一个域，性能有优势 (如 df['A'].map({1:'a', 2:'b', 3:'c'}))
- applymap 适用于跨多行/列的元素转换 (如, df[['A', 'B', 'C']].applymap(str.strip))
- apply 用于应用任何无法矢量化的函数 (如 df['sentences'].apply(nltk.sent_tokenize))

区别图示

区别图示如下：

注：

map 在传递字典/系列时，将基于该字典/系列中的键映射元素。缺少的值将在输出中记录为NaN。
较新版本中的 applymap 针对某些操作进行了优化。在某些情况下，您会发现 applymap 比 apply稍快。建议对两者进行测试，并使用效果更好的方法。
map 针对元素映射和转换进行了优化，涉及字典或系列的操作将使pandas能够使用更快的代码路径以获得更好的性能。
Series.apply 返回聚合操作的标量，否则返回 Series，DataFrame.apply 相同。请注意，当使用某些NumPy 函数（如mean、sum等）调用 apply 时，速度更快。