DataFrame.applymap(func)                                       [source]

将函数应用于Dataframe元素。

此方法应用一个函数，该函数接受并向DataFrame的每个元素返回一个标量。

Notes：

在当前的实现中，applymap在第一列/行上两次调用func，以决定它的代码路径是快还是慢。如果func有副作用，这可能会导致意想不到的行为，因为它们将对第一列/行起两次作用。

例子，

1）简单的函数应用

将每个元素加 1：

import pandas as pd

# 创建一个示例 DataFrame
df = pd.DataFrame([[1, 2.5], [3.1, 4.7]])

# 定义一个简单的函数
def add_one(x):
    return x + 1

# 使用 applymap 将函数应用到每个元素上
result = df.applymap(add_one)
print(result)

2）处理字符串

将每个元素转换为字符串并添加后缀：

import pandas as pd


# 创建一个示例 DataFrame
df = pd.DataFrame([[1, 2], [3, 4]], columns=['A', 'B'])

# 定义一个函数，将元素转换为字符串并添加后缀
def add_suffix(x):
    return str(x) + '_suffix'

# 使用 applymap 将函数应用到每个元素上
result = df.applymap(add_suffix)
print(result)

3）跳过 NaN 值

将每个元素平方，并跳过 NaN 值：

import numpy as np

# 创建一个包含 NaN 的示例 DataFrame
df = pd.DataFrame([[1, 2], [np.nan, 4]], columns=['A', 'B'])

# 定义一个函数，将元素平方
def square(x):
    return x ** 2

# 使用 applymap 将函数应用到每个元素上，跳过 NaN 值
result = df.applymap(square, na_action='ignore')
print(result)

4）使用示例

import pandas as pd

# 创建示例 DataFrame
df = pd.DataFrame([[1, 2.12], [3.356, 4.567]])
print("原始 DataFrame:")
print(df)

# 使用 applymap 计算每个元素的字符串长度
lengths = df.applymap(lambda x: len(str(x)))
print("\n每个元素的字符串长度:")
print(lengths)

# 使用 applymap 计算每个元素的平方
squared_applymap = df.applymap(lambda x: x**2)
print("\n每个元素的平方 (使用 applymap):")
print(squared_applymap)

# 使用向量化操作计算每个元素的平方
squared_vectorized = df ** 2
print("\n每个元素的平方 (使用向量化操作):")
print(squared_vectorized)