pandas.apply()是pandas中的一个方法，它可以在Series或DataFrame上执行一个函数，并将其应用于每个元素（或行/列）。它的作用是对数据进行一些自定义或特殊的操作。
基本语法：
在Series上使用apply()方法：
Series.apply(func, axis=0, broadcast=None, raw=False, reduce=None, result_type=None, args=(), **kwds)参数说明：
在DataFrame上使用apply()方法：
DataFrame.apply(func, axis=0, broadcast=None, raw=False, reduce=None, result_type=None, args=(), **kwds)参数说明与Series上使用apply()方法相同。
在处理学生成绩时，假设有一列“总分”，需要对其进行区间分组，将分值100-90分的赋值为“A”，80-89分的赋值为“B”，70-79分的赋值为“C”，60-69分的赋值为“D”，60分以下的赋值为“E”。这时就可以利用apply()方法，自己定义一个函数，将其应用于这一列数据中的每个元素，实现对这一列数据的处理。
代码如下：
import pandas as pd
# 生成示例数据
df = pd.DataFrame({'Name': ['小明', '小红', '小刚', '小李'], '总分': [89, 68, 78, 95]})
def grade(score):
if score >= 90:
return 'A'
elif score >= 80:
return 'B'
elif score >= 70:
return 'C'
elif score >= 60:
return 'D'
else:
return 'E'
df['Grade'] = df['总分'].apply(grade)
print(df)输出结果：
Name 总分 Grade
0 小明 89 B
1 小红 68 E
2 小刚 78 C
3 小李 95 A在使用pandas处理数据时，经常需要将一些特殊类型的输入数据进行转换，如时间戳、特殊字符等。这时，利用apply()方法，自己定义一个函数，将其应用于数据中的每个元素，实现对数据的处理。
例如，对于一个包含若干个时间戳的Series，可以自定义一个函数，将其转换为日期（yyyy-mm-dd）格式。
代码如下：
import pandas as pd
# 生成示例数据
time_series = pd.Series(['20210501', '20210502', '20210503', '20210504'])
def date_format(s):
year = s[:4]
month = s[4:6]
day = s[6:]
return '-'.join([year, month, day])
time_series = time_series.apply(date_format)
print(time_series)输出结果：
0 2021-05-01
1 2021-05-02
2 2021-05-03
3 2021-05-04
dtype: object参考资料：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.apply.html, https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.apply.html
本文链接：http://task.lmcjl.com/news/17660.html