Pandas Series.apply（）和Series.map（）有什么区别？

Question

Series.map()：

  

使用输入对应关系（可以是字典，系列或函数）映射系列的值

Series.apply()

  

调用Series的值函数。可以是ufunc（适用于整个系列的NumPy函数）或仅适用于单个值的Python函数

apply()似乎它主要完成map()所做的一切，在应用矢量化操作时对矢量化标量函数进行矢量化。同时map()允许对空值处理进行一定程度的控制。除了Python的apply()和map()函数的历史类比之外，是否有理由在一般情况下优先选择其中一个？为什么这些功能不能合并？

Answer 1

差别很小：

pandas.Series.map将用您传递到map中的值替代系列的值。

pandas.Series.apply将对系列的值应用函数（可能带有参数）。

区别在于您可以传递给方法

• map和apply都可以接收功能：

s = pd.Series([1, 2, 3, 4])

def square(x):
     return x**2

s.map(square) 

0    1
1    2
2    3
3    4
dtype: int64

s.apply(square) 

0    1
1    2
2    3
3    4
dtype: int64

• 但是，您传递给map的函数不能有多个参数（它将输出一个ValueError）：

def power(x, p):
    return x**p

s.apply(power, p=3)

0     1
1     8
2    27
3    64
dtype: int64


s.map(power,3)
---------------------------------------------------------------------------
ValueError  

• map可以接收字典（甚至是pd.Series，在这种情况下，它将使用索引作为键），而apply则不能（将输出TypeError）

dic = {1: 5, 2: 4}

s.map(dic)

0    5.0
1    4.0
2    NaN
3    NaN
dtype: float64

s.apply(dic)
---------------------------------------------------------------------------
TypeError  


s.map(s)

0    2.0
1    3.0
2    4.0
3    NaN
dtype: float64


s.apply(s)

---------------------------------------------------------------------------
TypeError