溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章將為大家詳細講解有關python如何使用apply或not apply，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。
apply or not apply
如果我們想創建一個新的列，并將其他列作為輸入，那么apply函數有時非常有用。
def rule(x, y):
if x == ‘high' and y > 10:
return 1
else:
return 0
df = pd.DataFrame({ 'c1':[ 'high' ,'high', 'low', 'low'], 'c2': [0, 23, 17, 4]})
df['new'] = df.apply(lambda x: rule(x['c1'], x['c2']), axis = 1)
df.head()在上面的代碼中，我們定義了一個帶有兩個輸入變量的函數，并使用apply函數將其應用于列'c1'和'c2'。
但“apply函數”的問題是它有時太慢了。 如果你想計算兩列“c1”和“c2”的最大值，你可以：
df[‘maximum'] = df.apply(lambda x: max(x[‘c1'], x[‘c2']), axis = 1)
但你會發現它比這個命令慢得多：
df[‘maximum'] = df[[‘c1','c2']].max(axis =1)
注意：如果可以使用其他內置函數完成相同的工作(它們通常更快)，請不要使用apply。例如，如果要將列'c'舍入為整數，請執行round(df ['c']，0)而非使用apply函數：
df.apply(lambda x: round(x['c'], 0), axis = 1)
關于“python如何使用apply或not apply”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
