Pandas 中使用 Apply/Map 的简介

概念

到目前为止，你主要使用了过滤器以及通过分组或日期进行的基本操作。你也学习了基本的聚合概念，例如获取记录数量，或某列的平均值。

有时，你可能需要对每条记录、每个单元格或每列应用更复杂的函数。

语法

假设你有一个函数 my_magic_fn，需要将其应用于某一列的每个值，可以这样操作：

1df['my_col'].map(lambda x: my_magic_fn(x))

这会将你的“神奇”函数应用到 my_col 列中的每一个值。

旅行数据集

思路

不同航空公司对“儿童”的定义规则各不相同，且提供的折扣力度也不同。将这些规则应用于所有提出行程请求的客户，有助于快速识别出符合折扣资格的旅客。

面试问题示例

一个可能的面试问题是：如何根据特定规则将旅客划分为不同类别。例如：

• 如果一位旅客是独自出行，并且这是他们第二次通过你们旅行社预订行程，可以将其归类为忠诚客户。
• 如果一位旅客正在游览一座历史文化名城，可以将其归类为文化与历史爱好者。

医疗数据集

思路

根据特定的医疗规则，可以从患者的症状中推导出新的信息。

例如：患有糖尿病且胆固醇水平较高的患者，可被归类为高风险患者。这一规则可以应用并保存在新的 risk 列中。

面试问题示例

一个可能的面试问题是：如何对不同患者的多个列值进行综合计算。例如，结合患者的脉搏、血氧饱和度和血糖水平，设计一个更复杂的判断逻辑。