เมื่อต้องใช้ฟังก์ชันกับทุกเซลล์ใน DataFrame แบบไม่สามารถ vectorize ได้ ให้ใช้ applymap ซึ่งรับค่าเดี่ยว คืนค่าเดี่ยว
ตัวอย่าง
import pandas as pd
import numpy as np
my_df = pd.DataFrame(np.random.randn(5,5), columns=['col_1','col_2','col_3','col_4','col_5'])
print("DataFrame ต้นฉบับ:")
print(my_df)
# คูณทุกค่าด้วย 11.45
my_df.applymap(lambda x: x * 11.45)
print("\nหลัง applymap:")
print(my_df.apply(np.mean))
ผลลัพธ์
DataFrame ต้นฉบับ:
col_1 col_2 col_3 col_4 col_5
0 -0.671510 -0.860741 0.886484 0.842158 2.182341
1 -1.355763 0.247240 -0.653630 -0.278095 0.163044
2 -0.816203 1.664006 1.555648 1.625890 -0.412338
3 -1.013273 -1.565076 1.297014 -0.303504 -1.623573
4 0.725949 -0.077588 -0.886957 0.433478 -0.300151
หลัง applymap:
col_1 -0.626160
col_2 -0.118432
col_3 0.439712
col_4 0.463985
col_5 0.001865
dtype: float64
คำอธิบาย
- นำเข้าไลบรารี pandas และ numpy
- สร้าง DataFrame 5x5 จากข้อมูลสุ่ม
- ใช้
applymapกับ lambda function คูณ 11.45 - แสดงค่าเฉลี่ยแต่ละคอลัมน์ด้วย
apply(np.mean)
