hand
_1_21_84
4
python3.X - 数据分析 - Pandas
共95篇
python3.X - 数据分析 - Pandas
返回栏目
1k
0k
5k
0k
0.1k
0k
2k
3k
1k
1k
0.2k
3k
0k
4k
3k
3k
3k
3k
0.5k
5k
1k
0.3k
3k
4k
7k
2k
7k
0.8k
0.9k
1k
1k
2k
0.4k
0.6k
0.6k
0.5k
0.9k
0.9k
1k
0.9k
1k
0.8k
1k
0.4k
0.4k
0.3k
0.6k
1k
0.9k
1k
1k
1k
0.8k
1k
0.8k
1k
0.7k
0.6k
4k
0.4k
3k
0.7k
0.8k
0.8k
0.2k
2k
1k
0.7k
0.7k
0.4k
0.5k
3k
0.1k
0.7k
0.9k
0.3k
1k
0.4k
0.4k
1k
0.5k
0.1k
0.7k
1k
0k
0.2k
0.7k
0.3k
0k
0k
0.1k
0k
0k
0k
3k
返回python3.X - 数据分析 - Pandas栏目
作者:
贺及楼
成为作者
更新日期:2024-10-18 14:30:20
简单介绍:可以替代python的for循环
详细介绍:Pandas 中的 apply 函数是一个非常强大的工具,它允许你对 DataFrame 的每一行或每一列应用一个函数,并返回一个 Series 或 DataFrame 作为结果。apply 可以用于复杂的数据转换和分析任务,特别是当你需要对数据集中的每个元素执行自定义操作时。
import numpy as np
import pandas as pd
df = pd.DataFrame(data=[{"A":"one", "B":"1, 2"}, {"A":"two", "B":"3, 4"}])
A | B | |
---|---|---|
0 | one | 1, 2 |
1 | two | 3, 4 |
df["B"] = df["B"].str.split(",")
A | B | |
---|---|---|
0 | one | [1, 2] |
1 | two | [3, 4] |
res = df_data.set_index(['列A', "列B", '列C'])['list字段列名'].apply(pd.Series).stack()
res = df.set_index(['A'])['B'].apply(pd.Series).stack()
# stack() 行转列成列
res = res.reset_index()
A | level_1 | 0 | |
---|---|---|---|
0 | one | 0 | 1 |
1 | one | 1 | 2 |
2 | two | 0 | 3 |
3 | two | 1 | 4 |
python3.X - 数据分析 - Pandas
整章节共95节
快分享给你的小伙伴吧 ~