apply() 函数是 Pandas 中用于对 DataFrame 或 Series 中的数据进行自定义函数处理的函数。它可以将一个函数应用到 DataFrame 或 Series 的每一行或每一列，从而实现对数据的批量处理。

对于 Series 和 DataFrame，apply() 函数的基本语法如下：

Series.apply(func, axis=0, raw=False, result_type=None, ...)
DataFrame.apply(func, axis=0, raw=False, result_type=None, ...)

其中的参数含义如下：

• func：要应用的函数，可以是一个 Python 函数、Lambda 函数或者可调用的对象。
• axis：指定要应用函数的轴，0 表示按行应用（默认），1 表示按列应用。
• raw：指定是否将 Series 对象传递给函数，默认为 False，表示传递 Series 的值。当为 True 时，传递 Series 对象本身。
• result_type：指定返回结果的数据类型，可以是 'expand'（返回 DataFrame）、'reduce'（返回 Series）、'broadcast'（广播结果），默认为 None。

下面是一个示例说明 apply() 函数的用法：

假设我们有一个 DataFrame，我们希望对其中的数值列应用一个自定义函数，计算每列的均值和标准差。

import pandas as pd
import numpy as np# 创建DataFrame
data = {'A': [1, 2, 3, 4],'B': [5, 6, 7, 8],'C': [9, 10, 11, 12]
}
df = pd.DataFrame(data)# 自定义函数，计算均值和标准差
def custom_function(column):return pd.Series([column.mean(), column.std()], index=['mean', 'std'])# 对数值列应用自定义函数
result = df.apply(custom_function)
print(result)

         A    B    C
mean  2.5  6.5  10.5
std   1.5  1.5  1.5

通过 apply() 函数，我们成功对 DataFrame 中的每一列应用了自定义函数，得到了每列的均值和标准差。这样的批量处理方式可以帮助我们快速进行数据分析和数据清洗。