数据分析——Pandas 中的 apply() 函数

apply() 是 Pandas 中最灵活且强大的函数之一，它允许你 自定义操作逻辑 ，并将其应用到 DataFrame 或 Series 的行、列或分组中。本文通过实战案例，帮你彻底掌握 apply() 的核心用法。

一、基础概念：什么是 apply()？

apply() 的核心作用是：对数据集的某一部分（行、列、分组）执行自定义函数 ，并将结果自动整合返回。

它的行为取决于调用对象：

调用对象	行为
Series	对每个元素执行函数
DataFrame	对每列（默认 `axis=0`）或每行（`axis=1`）执行函数
GroupBy 对象	对每个分组执行函数，结果自动合并

二、核心用法详解

1. 对 Series 使用 apply()

场景：对一列数据进行元素级操作。

Python复制

复制代码

import pandas as pd

# 示例数据
s = pd.Series([1, 2, 3, 4])

# 将每个元素平方
s_squared = s.apply(lambda x: x ** 2)
print(s_squared)
# 输出:
# 0     1
# 1     4
# 2     9
# 3    16

2. 对 DataFrame 使用 apply()

场景：对 DataFrame 的行或列执行操作。

Python复制

复制代码

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

# 对每列求和（默认 axis=0）
col_sums = df.apply(lambda col: col.sum())
print(col_sums)  # 输出: A     6, B    15

# 对每行求平均值（axis=1）
row_means = df.apply(lambda row: row.mean(), axis=1)
print(row_means)  # 输出: 0    2.5, 1    3.5, 2    4.5

3. 对 GroupBy 对象使用 apply()

场景：对分组后的数据执行复杂操作。

Python复制

复制代码

# 示例数据（学生成绩）
df = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Alice', 'Bob'],
    'Score': [85, 90, 78, 92]
})

# 按姓名分组，取每组最高分
def top_score(group):
    return group.sort_values(by='Score', ascending=False).head(1)

result = df.groupby('Name').apply(top_score)
print(result)
# 输出:
#           Name  Score
# Name                
# Alice 0  Alice     85
# Bob    1    Bob     90
#         3    Bob     92

三、进阶技巧与实战案例

1. 传递额外参数

通过 args 或 kwargs 向函数传递额外参数：

Python复制

复制代码

def add_value(x, constant=0):
    return x + constant

# 对列 A 的每个元素加 10
df['A_plus'] = df['A'].apply(add_value, constant=10)

2. 处理多列数据

若函数需要多列数据，需在 DataFrame 上使用 axis=1：

Python复制

复制代码

# 计算两列之和
df['Sum'] = df.apply(lambda row: row['A'] + row['B'], axis=1)

3. 分组后复杂操作

案例：统计每组数据的统计指标（均值、最大值）：

Python复制

复制代码

def group_stats(group):
    return pd.Series({
        'Mean': group.mean(),
        'Max': group.max()
    })

result = df.groupby('Name')['Score'].apply(group_stats)
print(result)
# 输出:
#          Mean  Max
# Name             
# Alice   81.5   85
# Bob     91.0   92

四、性能优化与替代方案

1. 性能注意事项

避免在大数据集上使用 apply ：Pandas 的向量化操作（如 +, sum()）比 apply 快得多。
使用内置函数替代 ：如 df['A'] + 10 优于 df['A'].apply(lambda x: x+10)。

2. 替代方案对比

场景	推荐方法	优势
元素级简单操作	向量化运算（如 `+`, `*`）	速度快
分组聚合（如求和、均值）	`groupby.agg()`	语法简洁，性能更优
复杂分组操作	`groupby.apply()`	灵活性最高

五、常见误区与解决方案

1. 忽略返回值类型

问题：函数返回标量（如 return 1）会导致结果被压缩为 Series。
解决方案：确保返回值类型一致（如始终返回 Series 或 DataFrame）。

2. 分组键被错误保留

问题：groupby.apply() 可能保留分组键作为索引。
解决方案 ：使用 as_index=False 或 reset_index()：

Python复制
复制代码
```
df.groupby('Name', as_index=False).apply(func)
```

六、实战项目：数据清洗与特征工程

案例 1：数据标准化

Python复制

复制代码

# 对每列进行 Min-Max 标准化
def min_max_scale(col):
    return (col - col.min()) / (col.max() - col.min())

df_scaled = df.apply(min_max_scale)

案例 2：文本处理

Python复制

复制代码

# 将文本列转换为长度
df['Text_Length'] = df['Text'].apply(len)

案例 3：特征衍生

Python复制

复制代码

# 根据年龄列生成年龄段
def age_group(age):
    if age < 18:
        return 'Minor'
    elif 18 <= age <= 65:
        return 'Adult'
    else:
        return 'Senior'

df['Age_Group'] = df['Age'].apply(age_group)

七、总结

核心价值 ：apply() 的灵活性使其成为处理复杂逻辑的首选工具。
最佳实践 ：优先使用向量化操作，仅在必要时使用 apply()。
进阶方向 ：结合 lambda、自定义函数和分组操作，解决真实业务问题。

通过本文的学习，你应该能熟练使用 apply() 处理数据清洗、特征工程、分组统计等任务。如果遇到性能瓶颈，记得尝试用向量化操作或内置函数替代！