第pandas中關于apply+lambda的應用apply(func[,args[,kwargs]])函數用于當函數參數已經存在于一個元組或字典中時，間接地調用函數。args是一個包含將要提供給函數的按位置傳遞的參數的元組。如果省略了args，任何參數都不會被傳遞，kwargs是一個包含關鍵字參數的字典。簡單說apply()的返回值就是func()的返回值，apply()的元素參數是有序的，元素的順序必須和func()形式參數的順序一致，與map的區別是前者針對column，后者針對元素

lambda是匿名函數，即不再使用def的形式，可以簡化腳本，使結構不冗余何簡潔

a=

lambdax

:x+1

a(10)

11

兩者結合可以做很多很多事情，比如split在series里很多功能不可用，而index就可以做

比如有一串數據如下，要切分為總數，正確數，正確率，則可這樣做

96%(1368608/1412722)

97%(1389916/1427922)

97%(1338695/1373803)

96%(1691941/1745196)

95%(1878802/1971608)

97%(944218/968845)

96%(1294939/1336576)

importpandasaspd

#先生成一個dataframe

d={"col1":["96%(1368608/1412722)",

"97%(1389916/1427922)",

"97%(1338695/1373803)",

"96%(1691941/1745196)",

"95%(1878802/1971608)",

"97%(944218/968845)",

"96%(1294939/1336576)"]}

df1=pd.DataFrame(d)

#切分原文中識別率總數，采用apply+匿名函數

#lambda函數的意思是選取x的序列值，比如x[6:9]

#index函數的意思是把當前字符位置轉變為所在位置的位數

#-1是最后一位

df1['正確數']=df1.iloc[:,0].apply(lambdax:x[x.index('(')+1:x.index('/')])

df1['總數']=df1.iloc[:,0].apply(lambdax:x[x.index('/')+1:-1])

df1['正確率']=df1.iloc[:,0].apply(lambdax:x[:x.index('(')])

df1

由一組dataframe數據，包括有數值型的三列氣象要素，由這三列通過公式計算人體舒適指數

應用到的人體舒適指數計算公式：

importpandasaspd

importnumpyasnp

importmath

path='D:\\data\\57582.csv'#文件路徑

data=pd.read_csv(path,index_col=0,encoding='gbk')#讀取數據有中文時用gbk解碼

#定義舒適指數公式函數，結果保留1位小數

defget_CHB(T,RH,S):

returnround(1.8*T-0.55*(1.8*T-26)*(1-RH/100)-3.2*math.sqrt(S)+32,1)

#增加一列CHB并計算數據后賦值

data['舒適指數']=data.apply(lambdax:get_CHB(x['平均氣溫'],x['平均相對濕度'],x['2M風速']),axis=1)

#打印結果

print(data)

#保存結果

data.to_csv('D:\\CHB.csv',encoding='gbk')

代碼中使用了apply和lambda的組合，傳入的參數x為整個data數據，在函數中引入的參數則是x[平均氣溫],x[平均相對濕度],x[2M風速],與自定義的函數get_CHB對應。最后需使用axis=1來指定是對列進行運算。

結果如圖所示：

到