pandas applymap() 逐元素调用函数

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 applymap() 可以对 DataFrame 逐元素调用函数，对于 Series 的各元素使用 map 函数。如果你的 pandas 是 2.1 及以上的，请停止使用本方法。

!!! danger "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。

作用

applymap 对数据框元素应用函数，此方法应用一个函数，该函数接受并向数据框的每个元素并返回标量。

它与 apply 的区别见下图：

apply-applymap

DataFrame

语法

DataFrame 方法的语法如下：

df.applymap(
    func: 'PythonFuncType',
    na_action: 'str | None' = None,
    **kwargs,
) -> 'DataFrame'

参数：

func：callable（可调用对象），Pytho n函数，从单个值返回单个值
na_action{None, ‘ignore’}, 默认 None，如果“ignore”，则传播 NaN 值，而不将其传递给 func，这是版本 1.2 开始的新功能
**kwargs，传给 func 的关键字参数

DataFrame：转化为 DataFrame

函数形式

函数可以支持的类型有：

df.applymap(fun) # 自定义
df.applymap(str) # python 内置函数
df.applymap(lambda x: x*2) # lambda
df.applymap(np.abs) # numpy 等其他库的函数 ufunc
df.applymap(pd.Series.abs) # Pandas 自己的函数

案例

以下是 DataFrame 应用的案例：

df = pd.DataFrame([[1, 2.12], [3.356, 4.567]])
df
'''
       0      1
0  1.000  2.120
1  3.356  4.567
'''

df.applymap(lambda x: len(str(x)))
'''
0  1
0  3  4
1  5  5
'''

如同 Series.map, NA 值可以忽略：

df_copy = df.copy()
df_copy.iloc[0, 0] = pd.NA
df_copy.applymap(lambda x: len(str(x)), na_action='ignore')
'''
0  1
0  <NA>  4
1     5  5
'''

请注意，func 的矢量化版本经常存在，这将快得多。你可以把每个数字按元素平方。

df.applymap(lambda x: x**2)
'''
           0          1
0   1.000000   4.494400
1  11.262736  20.857489
'''

但在这种情况下最好避免使用 applymap。

df ** 2
'''
0          1
0   1.000000   4.494400
1  11.262736  20.857489
'''

Styler

语法

applymap 按元素应用函数，用结果更新 HTML 显示。语法为：

Styler.applymap(
    func: 'Callable',
    subset: 'Subset | None' = None,
    **kwargs,
) -> 'Styler'

参数：

func：function，func 应该取一个标量并返回一个标量，func 输出的元素应该是字符串形式的CSS样式，格式为 attribute: value; attribute2: value2; … 或者，如果不向该元素应用任何内容，则为空字符串或 None。
subset：label, array-like, IndexSlice, optional，在应用函数之前将数据限制到的有效索引器，考虑使用 pandas.IndexSlice，支持 DataFrame.loc[] 的有效2d输入，或在1d输入或单键的情况下，对列进行优先级排序的 DataFrame.loc[：，] 的有效2d输入。
**kwargs：dict，传给 func 的关键字参数

self：Styler

案例

一些使用的案例：

# 定义样式显示函数
def color_negative(v, color):
    return f"color: {color};" if v < 0 else None

df = pd.DataFrame(np.random.randn(5, 2), columns=["A", "B"])

# 调用
df.style.applymap(color_negative, color='red')

使用 subset 将函数的应用限制为单列或多列：

# 指定一列
df.style.applymap(color_negative,
                  color='red',
                  subset="A")
# 选择两列
df.style.applymap(color_negative,
                  color='red',
                  subset=["A", "B"])

使用 subset 的二维筛选功能来选择除列之外的行：

df.style.applymap(color_negative,
                  color='red',
                  subset=([0,1,2], slice(None))
df.style.applymap(color_negative,
                  color='red',
                  subset=(slice(0,5,2), "A")

对比

apply、map、applymap 对数据类型的支持情况如下：

方法	DataFrame	Series
apply	支持	支持
map	-	支持
applymap	支持	-

可以看到，map、applymap 仅支持一种数据类型，apply 全支持。相关方法对比示意图如下：

apply-map-applymap

支持对象

可以调用 applymap() 的对象还有以下对象，除了上边介绍的外，其他的逻辑类似：

pandas.DataFrame.applymap
pandas.io.formats.style.Styler.applymap