Series.map 和 Series.apply 之间的区别 [重复]

Posted 2023-03-11

【中文标题】Series.map 和 Series.apply 之间的区别 [重复]

【英文标题】：Difference between Series.map and Series.apply [duplicate]

【发布时间】：2020-12-20 23:43:31

【问题描述】：

我了解map 用于pd.Series 和apply 用于pd.DataFrame，但是map 和apply 用于pd.Series 有什么区别？在我看来，他们基本上做同样的事情：

>>> df['title'].map(  lambda value: str(value) + 'x')
>>> df['title'].apply(lambda value: str(value) + 'x')

似乎两者都只是向函数/映射发送一个值。两者之间是否存在实际差异，如果是，那么将是一个显示它的例子吗？或者，这些在应用于pd.Series 时是否可以互换？

---

供参考，来自文档：

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.map.html https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.apply.html

例如map 使用dict 和apply 使用func，但实际上，它们看起来一样吗？两者都可以使用函数。

【参考方案1】：

Series.map 的另见段说Series.apply 是用于在系列上应用更复杂的功能。

Series.map如果是一对一关系，可以用字典或一个参数返回一个值的函数来表示。

Series.apply 可以使用返回多个单个参数的函数（实际上是整个Series）。在这种情况下，Series.apply 的结果将是 DataFrame。

换句话说，您始终可以在使用map 的地方使用apply。如果你将一个字典（比如d）传递给map，你可以传递一个简单的lambda来应用：lambda x: d[x]。但是如果你用apply把Series变成DataFrame，那么map就不能用了。

因此，map 可能会更优化以适用于一对一的转换，因此应尽可能使用而不是 apply。

【讨论】：

另外，索引只能用map不能应用