标签：test1 errors clean df numeric pd print apply

在复习之前学习的pandas代码时发现这句话 df_clean.apply(pd.to_numeric, errors='ignore') 感到十分疑惑，apply（）是什么函数，pd.to_numeric又是啥，errors=""有啥作用。

接下来一一解答：

一、map(), apply()和applymap()

　　1.map():

　　　　map() 是一个Series的函数，DataFrame结构中没有map()。map()将一个自定义函数应用于Series结构中的每个元素(elements)。

　　　　下面举一个例子　将w列都加1

    test1=pd.DataFrame(np.arange(12).reshape(3, 4), index=list("abc"), columns=list("WXYZ"))#先构造一个随机的测试数据
    print(test1)
    test1["W"]=test1["W"].map(lambda x:x+1)#将w列的数都加1
    # #lambda在这里其实是在定义一个简单的函数，一个没有函数名的函数
    print(test1)

　　　

 

　　2.apply（）:

　　　　apply()将一个函数作用于DataFrame中的每个行或者列

　　　　下面我们将w，x列相加

　　　　按列相加

    test1['total'] = test1[['W', 'X']].apply(lambda x: x.sum(), axis=1)#按列相加
    print(test1)

 

 

 　　　　按行相加

    test1.loc['total'] = test1[['W', 'X']].apply(lambda x: x.sum(), axis=0)#按行相加
    print(test1)

 

 

 　　3.applymap（）:

　　　　将函数做用于DataFrame中的所有元素(elements)

　　　　将所有元素都加5　

def addFive(X):
    return X+5

    test1=test1.applymap(addFive)
    print(test1)

 

二、pd.to_numeric

 　　将参数转换为数字类型。

　　errors中参数的解释：

　　　　'raise'参数：无效的解析将引发异常

　　　　'corece'参数：将无效解析设置为NaN

　　　　'ignore'参数：无效的解析将返回输入

　　先构造数据

    s = pd.Series(['test', '1.0', '2', '2021-12-5', 1, False, None, pd.Timestamp('2021-12-05')])
    print(s)

　　　执行raise会报错，因为该数据里面有非数字

 pd.to_numeric(s,errors="raise")

　　执行ignore只对数字字符串转型，其他不转换

pd.to_numeric(s,errors="ignore")

　　执行coerce会将时间，bool，数字字符串转换为数字，其他为NaN

pd.to_numeric(s,errors="coerce")

 

标签：test1,errors,clean,df,numeric,pd,print,apply
来源： https://www.cnblogs.com/fengchuiguobanxia/p/15644067.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。