apply函数python

㈠ python、什么是内建函数

python内建函数总结

1. abs(x)

abs()函数返回数字（可为普通型、长整型或浮点型）的绝对值。如果给出复数，返回值就是该复数的模。例如：

>>>print abs(-2,4)
2.4
>>>print abs(4+2j)
4.472135955

2. apply(function,args[,keywords])

apply()函数将args参数应用到function上。function参数必须是可调用对象（函数、方法或其他可调用对象）。args参数必须以
序列形式给出。列表在应用之前被转换为元组。function对象在被调用时，将args列表的运手内容分别作为独立的参数看待。例如：

apply(add,(1,3,4))
等价于
add(1,3,4)

在以列表或元组定义了一列参数，且需要将此列表参数分别作为个个独立参数使用的情况下，必须使用apply()函数。在要把变长参数列应用到已函数上时，apply()函数非常有用。

可选项keywords参数应是个字典，字典的关键字是字符串。这些字符串在apply()函数的参数列末尾处给出，它们将被用作关键字参数。

3. buffer(object[,offset[,size]])

如果object对象支持缓存调用接口buffer()函数就为object对象创建一个新缓存。这样的对象包括字符串、数组和缓扒槐存。该新缓存通过使用从
offset参数值开始知道该对象末尾的存储片段或从offset参数值开始直到size参数给出的尺寸为长度的存储片段来引用object对象。如果没
给出任何选项参数，缓存区域就覆盖整个序列，最终得到的缓存对象是object对象数据的只读拷贝。

缓存对象用于给某个对象类型创建一个更友好的接口。比如，字符串对象类型通用缓存对象而变得可用，允许逐个字节地访问字符串中的信息。

4. callable(object)
callable()函数在object对象是可调用对象的情况下，返回真(true)；否则假(false)，可调用对象包括函数、方法、代码对象、类（在调用时返回新的实例）和已经定义‘调用’方法的类实例

5. chr(i)
chr()函数返回与ASCII码i相匹配的一个单一字符串，如下例所示：
>>>print chr(72)+chr(101)+chr(108)+chr(111)
hello

chr()函数是ord()函数的反函数，其中ord()函数将字符串转换回ASCII整数码，参数i的取值应在0~255范春悄友围内。如果参数i的取值在此范围之外，将引发ValueError异常。

6. cmp(x,y)
cmp()函数比较x和y这两个对象，且根据比较结果返回一个整数。如果xy，则返回正数。请注意，此函数特别用来比较数值大小，而不是任何引用关系，因而有下面的结果：

>>>a=99
>>>b=int('99')
>>>cmp(a,b)
0

7. coerce(x,y)
coerce()函数返回一个元组，该元组由两个数值型参数组成。此函数将两个数值型参数转换为同一类型数字，其转换规则与算术转换规则一样。一下是两个例子：

>>>a=1
>>>b=1.2
>>>coerce(a,b)
(1.0,1.2)
>>>a=1+2j
>>>b=4.3e10
>>>coerce(a,b)
((1+2j),(43000000000+0j))

8 compile(string,filename,kind)
compile()函数将string编译为代码对象，编译生成的代码对象接下来被exec语句执行，接着能利用eval()函数对其进行求值。
filename参数应是代码从其中读出的文件名。如果内部生成文件名，filename参数值应是相应的标识符。kind参数指定string参数中所含代码的类别。

举例如下：
>>>a=compile(‘print “Hello World”’,’’,’single’)
>>>exec(a)
Hello World
>>>eval(a)
Hello World

9. complex(real,[image])
Complex()函数返回一个复数，其实部为real参数值。如果给出image参数的值，则虚部就为image；如果默认image参数，则虚部为0j。

10. delattr(object,name)
delattr()函数在object对象许可时，删除object对象的name属性，此函数等价于如下语句：
del object.attr
而delattr()函数允许利用编程方法定义来定义object和name参数，并不是在代码中显示指定。

㈡ python中有将两列数据合并为一列数据的函数么

有， 要用apply函数。一种方式：
def my_test(a, b):

return a + b
df['value'] = df.apply(lambda row: my_test(row['A'], row['B']), axis=1)
apply完了产生一列新的series。注意axis=1 不能漏了 ，表示apply的方向是纵向

㈢ python apply可以有两个函数吗

没有太理解你说的凉饿函数的意思，在这里我说下这个函数的基本用法
函数格式为：apply(func,*args,**kwargs)
用途：当一个野旅函数的参数存在于一个元组或者一个字典中时，用来间接的调用这个函数，并肩元组或者字典中的参数按照顺序传递袜脊让给参数
解析：args是一个包含按照函数所需参数传递的位置参数的一个元组，是不是很拗口，意思就是，假如A函数的函数位置为
A(a=1,b=2),那么这个元组中就必须严格按照这个参数的位置顺序进行传递(a=3,b=4)，而不能是(b=4,a=3)这样的顺序
kwargs是一个包含关键字参数的字典，而其中args如果不传递，kwargs需告局要传递，则必须在args的位置留空
apply的返回值就是函数func函数的返回值

㈣ python3.2.2使用apply函数时为什么报NameError: global name 'apply' is not defined完整代码如下。

已经不支持了
apply(self.func,self.args)
改为
self.func(*self.args)

㈤ 优化Python编程的4个妙招

1. Pandas.apply() – 特征工程瑰宝

Pandas 库已经非常优化了，但是大部分人都没有发挥它的最大作用。想想它一般会用于数据科学项目中的哪些地方。一般首先能想到的就是特征工程，即用已有特征创造新特征。其中最高效的方法之一就是Pandas.apply()，即Pandas中的apply函数。

在Pandas.apply()中，可以传递用户定义功能并将其应用到Pandas Series的所有数据点中。这个函数是Pandas库最好的扩展功能之一，它能根据所需条件分隔数据。之后便能将其有效应用到数据处理任务中。

2. Pandas.DataFrame.loc – Python数据操作绝妙技巧

所有和数据处理打交道的数据科学家(差不多所有人了!)都应该学会这个方法。

很多时候，数据科学家需要根据一些条件更新数据集中某列的某些值。Pandas.DataFrame.loc就是此类问题最优的解决方法。

3. Python函数向量化

另一种解决缓慢循环的方法就是将函数向量化。这意味着新建函数会应用于输入列表，并返回结果数组。在Python中使用向量化能至少迭代两次，从而加速计算。

事实上，这样不仅能加速代码运算，还能让代码更加简洁清晰。

4. Python多重处理

多重处理能使系统同时支持一个以上的处理器。

此处将数据处理分成多个任务，让它们各自独立运行。处理庞大的数据集时，即使是apply函数也显得有些迟缓。

关于优化Python编程的4个妙招，青藤小编就和您分享到这里了。如果您对python编程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于python编程的技巧及素材等内容，可以点击本站的其他文章进行学习。