一、總結

• apply —— 應用在 dataFrame 上，用於對 row 或者 column 進行計算
• applymap —— 應用在 dataFrame 上，元素級別的操作
• map —— python 系統自帶函式，應用在 series 上， 元素級別的操作

二、實操對比

構建測試資料框：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(0, 10, (4, 3)), 
                  columns=list('abc'), 
                  index=range(4))
df
'''
	a	b	c
0	5	4	8
1	7	5	2
2	1	2	2
3	1	6	2
'''
 

• apply 作用在 dataframe 上的一行或者一列上

# 預設按列操作 axis=0
# 求每列的最大值、最小值之差
df.apply(lambda x: x.max() - x.min()) # axis=0

# 求每行的最大值、最小值之差
df.apply(lambda x: x.max() - x.min(), axis=1)

• applymap 作用在 dataframe 的每一個元素上

# 偶數放大10倍
df.applymap(lambda x: x*10 if x%2 == 0 else x)

• map 函式作用在 series 上的每一個元素

# 單獨的序列
df['b'].map(lambda x: 1 if x%2 == 0 else 0)
 

總的來說，要對資料進行應用函式操作時，考慮資料結構是 DataFrame 還是 Series ，再考慮是要按行執行還是按列執行，進行函式的選擇。

參考連結：python裡的apply,applymap和map的區別

參考連結：python中的apply(),applymap(),map() 的用法和區別