在數(shù)據(jù)處理和分析領(lǐng)域，Pandas DataFame 是我們最常用的數(shù)據(jù)結(jié)構(gòu)之一。它提供了豐富的功能來清洗、轉(zhuǎn)換和分析數(shù)據(jù)。在眾多方法中，apply() 函數(shù)以其靈活性脫穎而出，是處理復(fù)雜數(shù)據(jù)轉(zhuǎn)換和應(yīng)用自定義邏輯的強(qiáng)大工具。本文將介紹apply() 函數(shù)的用途、原理以及如何在實(shí)際工作中發(fā)揮它的“妙用”。

一、apply 函數(shù)介紹

apply() 是 Pandas Series 和 DataFrame 對象的一個方法，用于沿軸（axis）應(yīng)用函數(shù)。簡單來說，就是把一個函數(shù)批量地作用于 DataFrame 的行、列或 Series 的元素。

DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwds)
Series.apply(func, convert_dtype=True, args=(), **kwds)

其中最重要的參數(shù)是 axis：

• axis=0 (默認(rèn)): 將函數(shù)應(yīng)用到 每一列。此時，函數(shù)接收一個 Series 對象（即 DataFrame 的每一列）。
• axis=1: 將函數(shù)應(yīng)用到 每一行。此時，函數(shù)接收一個 Series 對象（即 DataFrame 的每一行）。

對于 Series 的 apply 方法，axis 參數(shù)不存在，函數(shù)直接作用于 Series 的每個元素（或 Series 本身，取決于函數(shù)定義）。

二、apply() 的應(yīng)用場景與優(yōu)勢

Pandas 提供了大量高度優(yōu)化的內(nèi)置函數(shù)（如 sum(), mean(), fillna(), str.contains() 等）和向量化操作（如直接的四則運(yùn)算 df['A'] + df['B']）。這些方法通常效率最高，應(yīng)優(yōu)先使用。

那么，什么時候需要 apply() 呢？apply() 的妙用體現(xiàn)在以下場景：

• 函數(shù)無法直接向量化: 當(dāng)你需要應(yīng)用的邏輯比較復(fù)雜，無法用簡單的數(shù)學(xué)運(yùn)算、布爾索引或 Pandas 內(nèi)置方法直接表示時，可以將其封裝在一個 Python 函數(shù)中，然后使用 apply() 應(yīng)用。
• 處理行級別或列級別的復(fù)雜邏輯: 尤其是 axis=1 時，你的函數(shù)可以訪問到一整行的所有列的數(shù)據(jù)，從而基于行內(nèi)多個值進(jìn)行判斷、計(jì)算或生成結(jié)果。這在需要上下文信息的處理中非常有用。
• 返回值多樣化: apply() 可以返回一個 Series (對應(yīng)原始 Series 或 DataFrame 的新一列/一行)，也可以在特定配置下返回多個值（展開為新的多列）。

相比于直接使用 Python 循環(huán)遍歷 DataFrame 的行（如 for index, row in df.iterrows():），apply() 在內(nèi)部通常會做一些優(yōu)化，雖然可能不如純粹的向量化操作快，但通常比顯式 Python 循環(huán)要高效且代碼更簡潔、更具“Pandas風(fēng)格”。

三、apply() 函數(shù)的妙用示例

為了更好地理解 apply() 的強(qiáng)大之處，我們來看幾個實(shí)際案例。

首先，創(chuàng)建一個示例 DataFrame：

import pandas as pd
import numpy as np

data = {
    'StudentID': [1, 2, 3, 4, 5, 6, 7, 8],
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva', 'Frank', 'Grace', 'Henry'],
    'Gender': ['F', 'M', 'M', 'M', 'F', 'M', 'F', 'M'],
    'MathScore': [85, 90, 78, np.nan, 92, 70, 88, 95],
    'EnglishScore': [90, 88, 85, 92, np.nan, 75, 91, 89],
    'Class': ['A', 'B', 'A', 'C', 'B', 'C', 'A', 'B']
}
df = pd.DataFrame(data)
print("--- 原始 DataFrame ---")
print(df)
print("\n")

案例 1: 對列應(yīng)用統(tǒng)計(jì)函數(shù) (axis=0)

# 定義一個計(jì)算極差的函數(shù)
def range_score(col):
    # 需要處理缺失值，這里選擇忽略NaN
    return col.max() - col.min()

# 對數(shù)值列應(yīng)用 range_score 函數(shù) (axis=0 是默認(rèn)值，可省略)
# 僅選擇數(shù)值列進(jìn)行計(jì)算
numeric_cols = df.select_dtypes(include=np.number).columns
score_ranges = df[numeric_cols].apply(range_score, axis=0)

print("--- 各數(shù)值列的分?jǐn)?shù)極差 ---")
print(score_ranges)
print("\n")

當(dāng) axis=0 時，apply() 會將 DataFrame 的每一列（作為一個 Series）依次傳遞給 range_score 函數(shù)。函數(shù)計(jì)算后返回一個值，這些值最終組合成一個新的 Series，索引是原始 DataFrame 的列名。

案例 2: 對行應(yīng)用判斷邏輯 (axis=1)

根據(jù)一個學(xué)生的數(shù)學(xué)和英語成績總分來判斷其等級。這個邏輯需要同時考慮一行中的兩個列的值。

# 定義一個根據(jù)總分判斷等級的函數(shù)
def judge_grade(row):
    # 訪問行中的列數(shù)據(jù)
    total_score = row['MathScore'] + row['EnglishScore']

    # 處理總分因缺失值而為 NaN 的情況
    if pd.isna(total_score):
        return'待定'# Or 'N/A', '未知'
    elif total_score >= 180:
        return'優(yōu)秀'
    elif total_score >= 150:
        return'良好'
    else:
        return'及格'

# 對 DataFrame 的每一行應(yīng)用 judge_grade 函數(shù)
# axis=1 表示按行應(yīng)用，函數(shù)的輸入是每一行的數(shù)據(jù) (一個 Series)
df['OverallGrade'] = df.apply(judge_grade, axis=1)

print("--- 添加等級列后的 DataFrame (部分) ---")
print(df[['StudentID', 'MathScore', 'EnglishScore', 'OverallGrade']])
print("\n")

axis=1 是此例的關(guān)鍵。它讓 apply() 將 DataFrame 的每一行作為參數(shù)（一個 Series，其中索引是原始列名）傳遞給 judge_grade 函數(shù)。在函數(shù)內(nèi)部，我們可以方便地通過 row['列名'] 的方式獲取該行對應(yīng)列的值，進(jìn)行復(fù)雜的邏輯判斷。函數(shù)的返回值（一個字符串）會組成新的 Series，被賦值給新列 'OverallGrade'。

案例 3: 行級別復(fù)雜計(jì)算并返回多個結(jié)果 (axis=1, result_type='expand')

有時，一個行級別的計(jì)算或處理可能需要返回多個值，例如從一個包含全名的列中提取姓和名，或者計(jì)算某行數(shù)據(jù)的多個統(tǒng)計(jì)指標(biāo)。

# 定義一個函數(shù)，從 Name 列中提取姓和名
def split_name_parts(row):
    full_name = row['Name']
    parts = full_name.split(' ', 1) # 最多分割一次
    first_name = parts[0]
    last_name = parts[1] if len(parts) > 1else''# 如果沒有空格，則姓為空

    # 返回一個 Series 或 List
    return pd.Series([first_name, last_name])

# 對 DataFrame 的每一行應(yīng)用 split_name_parts 函數(shù)
# axis=1 按行應(yīng)用
# result_type='expand' 將函數(shù)返回的 Series/List 展開成多列
name_parts = df.apply(split_name_parts, axis=1, result_type='expand')

# 將新生成的列添加到原 DataFrame 中
df[['FirstName', 'LastName']] = name_parts
# 也可以直接這樣寫：
# df[['FirstName', 'LastName']] = df.apply(split_name_parts, axis=1, result_type='expand')


print("--- 添加姓和名列后的 DataFrame (部分) ---")
df[['Name', 'FirstName', 'LastName']]

函數(shù) split_name_parts 處理每一行的 'Name' 列，并返回一個包含兩個元素的 Series。通過設(shè)置 result_type='expand'，Pandas 會將這個 Series 的每個元素作為新列添加到結(jié)果中。這種方法非常適合批量解析、分解或從復(fù)雜數(shù)據(jù)中提取多個字段。

案例 4: 結(jié)合 Lambda 表達(dá)式的簡潔用法

對于簡單的、單行的函數(shù)邏輯，可以使用 Lambda 表達(dá)式與 apply() 結(jié)合，使代碼更簡潔。

# 場景：根據(jù) MathScore 是否大于等于 90 創(chuàng)建一個布爾列 'MathExcellent'
# 使用 apply 結(jié)合 lambda 和 axis=1
df['MathExcellent_apply'] = df.apply(lambda row: row['MathScore'] >= 90 if pd.notna(row['MathScore']) else False, axis=1)

# (對比向量化寫法，通常更簡潔高效)
# df['MathExcellent_vec'] = df['MathScore'] >= 90 # 會將 NaN 結(jié)果為 False/True, 需額外處理 NaN

print("--- 使用 Lambda 和 apply 添加布爾列 (部分) ---")
print(df[['StudentID', 'MathScore', 'MathExcellent_apply']]) # , 'MathExcellent_vec'
print("\n")

Lambda 表達(dá)式提供了一種創(chuàng)建小型匿名函數(shù)的快捷方式。在 apply() 中，尤其是在 axis=1 需要快速訪問單行數(shù)據(jù)時，Lambda 表達(dá)式非常方便。雖然此處向量化寫法更優(yōu)，但對于涉及更復(fù)雜條件或多列組合判斷的布爾邏輯，apply(lambda row: ..., axis=1) 結(jié)合 if/else 是常見的模式。

四、使用 apply() 的注意事項(xiàng)

盡管 apply() 非常靈活，但需要注意其潛在的性能問題：

• 優(yōu)先使用向量化操作: Pandas 的許多操作都是經(jīng)過高度優(yōu)化的 C 實(shí)現(xiàn)。如果你的任務(wù)可以通過向量化運(yùn)算、Pandas 內(nèi)置方法或 Numpy 函數(shù)直接完成，應(yīng)優(yōu)先考慮它們，它們通常比 apply() 快得多。
• apply() 與循環(huán): 在許多情況下，apply() 比顯式的 Python for 循環(huán)遍歷行要快，因?yàn)樗诘讓涌赡苓M(jìn)行了部分向量化或更好的內(nèi)存管理。但在某些極端場景或非常簡單的操作中，性能差異可能不明顯。
• apply(axis=1) 的開銷: 對行應(yīng)用函數(shù) (axis=1) 通常比對列應(yīng)用 (axis=0) 開銷更大，因?yàn)樗枰獮槊恳恍袆?chuàng)建一個 Series 對象并調(diào)用 Python 函數(shù)。
• 避免在 apply 中進(jìn)行昂貴的重復(fù)計(jì)算: 如果函數(shù)內(nèi)部有可以在外部一次性計(jì)算并傳入的參數(shù)，盡量這樣做。

總的來說，apply() 是一個強(qiáng)大的工具，尤其適用于處理那些無法簡單向量化，需要訪問行或列的全部上下文的復(fù)雜邏輯。在處理大型數(shù)據(jù)集對性能要求極高時，可以考慮 Numba 或 Cython 等更底層的優(yōu)化工具，但對于大多數(shù)日常任務(wù)，apply() 提供的便利性是無可替代的。