Python Pandas Series.apply（）和Series.map（）之间有什么区别？ :

使用输入对应关系映射序列值（可以是dict、序列或函数）

对系列的值调用函数。可以是ufunc（一个应用于整个系列的NumPy函数）或只对单个值起作用的Python函数

---

apply（）。同时，
map（）
允许对空值处理进行一定程度的控制。除了历史上类似于Python的
apply（）
和
map（）
函数之外，在一般使用中，是否有理由选择其中一个函数？为什么不将这些功能组合起来？
差别很微妙：

pandas.Series.map
将用传递到
map
中的内容替换序列的值

pandas.Series.apply
将对序列的值应用函数（可能带有参数）

区别在于可以传递给方法的内容


map
和
apply
都可以接收以下功能：

s=pd.系列（[1,2,3,4]）
def方形（x）：
返回x**2
s、 地图（广场）
0    1
1    2
2    3
3    4
数据类型：int64
s、 应用（方形）
0    1
1    2
2    3
3    4
数据类型：int64


但是，传递到
map
的函数不能有多个参数（它将输出
ValueError
）：

def电源（x，p）：
返回x**p
s、 应用（功率，p=3）
0     1
1     8
2    27
3    64
数据类型：int64
s、 地图（电源，3）
---------------------------------------------------------------------------
数值误差


map
可以接收字典（甚至是
pd.Series
，在这种情况下，它将使用索引作为键），而
apply
不能（它将输出
TypeError
）

dic={1:5,2:4}
s、 地图（dic）
0    5.0
1    4.0
2楠
3南
数据类型：64
s、 申请（dic）
---------------------------------------------------------------------------
打字错误
s、 地图（s）
0    2.0
1    3.0
2    4.0
3南
数据类型：64
s、 申请
---------------------------------------------------------------------------
打字错误
afaik Series.map（func）无法将其他参数传递给func。当使用Series.apply（func）时，可以执行sr.apply（func，convert_dtype=True，arg2='foo'，arg3=True），Series.apply（）无法识别的任何关键字参数都将传递给func，在这种情况下，arg2='foo'和arg3=True。@xg.plt.py另一个问题的上下文是数据帧，而不是Series对象（因此，这种情况下的相似性更为深刻）