这篇文章将为大家详细讲解有关python如何使用apply或not apply，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
apply or not apply
如果我们想创建一个新的列，并将其他列作为输入，那么apply函数有时非常有用。
def rule(x, y):
if x == ‘high' and y > 10:
return 1
else:
return 0
df = pd.DataFrame({ 'c1':[ 'high' ,'high', 'low', 'low'], 'c2': [0, 23, 17, 4]})
df['new'] = df.apply(lambda x: rule(x['c1'], x['c2']), axis = 1)
df.head()在上面的代码中，我们定义了一个带有两个输入变量的函数，并使用apply函数将其应用于列'c1'和'c2'。
但“apply函数”的问题是它有时太慢了。 如果你想计算两列“c1”和“c2”的最大值，你可以：
df[‘maximum'] = df.apply(lambda x: max(x[‘c1'], x[‘c2']), axis = 1)
但你会发现它比这个命令慢得多：
df[‘maximum'] = df[[‘c1','c2']].max(axis =1)
注意：如果可以使用其他内置函数完成相同的工作(它们通常更快)，请不要使用apply。例如，如果要将列'c'舍入为整数，请执行round(df ['c']，0)而非使用apply函数：
df.apply(lambda x: round(x['c'], 0), axis = 1)
关于“python如何使用apply或not apply”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
