Python: pandas.DataFrame 如何對某些欄做格式化字串? apply(); applymap() ; map() 的差別? df[‘Salary’] = df[‘Salary’].map( ‘${:,.2f}’ .format)

df.map(func)

import pandas as pd

# 創建示例DataFrame
data = {'Name': ['John', 'Emma', 'Michael'],
        'Age': [25, 30, 35],
        'Salary': [50000, 70000, 90000]}

df = pd.DataFrame(data)

# 對'Salary'列進行格式化字串
df['Salary'] = df['Salary'].map('${:,.2f}'.format)

print(df)

code & 輸出結果:

對於.map('${:,.2f}'.format)這段程式碼，它是將指定的列進行格式化字串，將數值類型的數據轉換為具有貨幣格式的字串。

具體來說，.map('${:,.2f}'.format)的含義如下：

• '{:,.2f}'是一個格式化字串，表示將數值格式化為浮點數，並保留兩位小數。
• '$'是在格式化字串中加入美元符號作為前綴，表示這是一個貨幣值。
• .map()是一個Pandas的方法，它將格式化字串應用於指定的列。

因此，當你使用.map('${:,.2f}'.format)時，它會將該列中的數值轉換為具有貨幣格式的字串，並在數值前加上美元符號。

在 .map('${:,.2f}'.format) 中，.format 後面沒有加上括號 () 是因為在這個上下文中，我們正在傳遞 .format 函數本身作為參數給 .map 方法。

在這個用法中，.format 是一個函數對象（function object），它被傳遞給 .map 方法作為轉換函數。.map 方法會將這個函數應用於它操作的每個元素。

當我們寫 .map('${:,.2f}'.format) 時，我們實際上是將 .format 函數傳遞給 .map 方法，而不是直接調用它。.map 方法將會在適當的時候調用這個函數，並將每個元素作為參數傳遞給它。

這種用法的好處是可以將 .format 函數與 .map 方法組合使用，而不需要使用額外的 lambda 函數或定義額外的函數。這使得代碼更簡潔和易讀。

map(func, list-type data):

result = list(map(lambda x: “{:.2f}%”.format(x * 100), lis))

df.applymap()

import pandas as pd

# 創建示例DataFrame
data = {'Name': ['John', 'Emma', 'Michael'],
        'Age': [25, 30, 35],
        'Salary': [50000, 70000, 90000]}

df = pd.DataFrame(data)

# 對整個DataFrame進行格式化字串
df_formatted = df.applymap(lambda x: '${:,.2f}'.format(x) if isinstance(x, (int, float)) else x)

print(df_formatted)

code & 輸出結果:

• .map() 方法用於對 Series 中的每個元素進行操作，可以針對單個列進行運算。你可以將 .map() 應用於單個列或 Series 對象。
• .applymap() 方法用於對整個 DataFrame 中的每個元素進行操作，可以針對整個 DataFrame 進行運算。你可以將 .applymap() 應用於整個 DataFrame。

所以，你可以使用 .map() 方法對單個column進行格式化或其他操作，而使用 .applymap() 方法對整個 DataFrame 進行格式化或其他操作。

• applymap() 方法存在於 pandas 套件的 DataFrame 物件中，用於對整個 DataFrame 的每個元素進行操作。
• apply() 方法也存在於 pandas 套件的 DataFrame 物件中，用於對 DataFrame 的每一行或每一列進行操作，而不是針對單個元素
  map() 方法是針對 Series 物件（單個列）進行操作。您可以將一個函式應用到 Series 的每個元素，並返回一個新的 Series。

1. apply(): apply() 函數用於在DataFrame的行或列上應用自定義函數。您可以將函數應用於整個行或列，並返回一個Series或DataFrame，具體取決於應用的函數返回的結果。通常用於對DataFrame的行或列進行複雜的操作。
2. applymap(): applymap() 函數用於對DataFrame中的每個元素應用自定義函數。它對DataFrame的每個元素應用函數，並返回一個新的DataFrame。通常用於對DataFrame的每個單獨元素進行操作。
3. map(): map() 函數用於對Series或DataFrame中的每個元素進行元素級別的轉換。它對Series中的每個元素應用函數，並返回一個新的Series。對於DataFrame，map() 函數只能應用於Series（單列），並返回一個新的Series。

總結來說，apply() 和 applymap() 主要用於對DataFrame進行操作，而 map() 主要用於對Series進行操作。它們在操作的對象和返回的結果類型上有所不同。請根據具體的需求選擇使用適當的函數

推薦hahow線上學習python: https://igrape.net/30afN

.apply() 因為是逐列或逐行操作,
所以可以使用axis參數:

將apply()運算出來的Series,
加在最後一row
new_row = df.apply(sum, axis=0)
#用.loc[] 才可以新增一列
#.iloc[] 不行
#func=sum ,index卻用”mean” 筆誤

df=pd.concat([df,new_row_df])

有無使用[]
將new_row (Series) 包起來的差別:

pd.DataFrame(new_row)
#concat這個直式的DF
#會多出很多NaN,
#不是我們想要的資料

推薦hahow線上學習python: https://igrape.net/30afN