我经常处理格式不正确的数据（即数字字段不一致等）
可能还有其他我不知道的方式，但我在数据框中格式化单个列的方式是使用函数并将列映射到该函数。
format = df.column_name.map(format_number)
问题：1 - 如果我有一个包含 50 列的数据框，并且想将该格式应用于多列等第 1、3、5、7、9 列，该怎么办？
你能走吗：
format = df.1,3,5,9.map(format_number)
.. 这样我可以在一行中格式化所有数字列？
【问题讨论】：
标签： python pandas filtering slice
你可以df[['Col1', 'Col2', 'Col3']].applymap(format_number)。请注意，尽管这将返回新列；它不会修改现有的 DataFrame。如果您想将这些值恢复为原始值，则必须执行df[['Col1', 'Col2', 'Col3']] = df[['Col1', 'Col2', 'Col3']].applymap(format_number)。
【讨论】：
df.applymap(format_number)。
你可以像这样使用apply：
df.apply(lambda row: format_number(row), axis=1)
您需要在 format_number 函数中指定列：
def format_number(row):
row['Col1'] = doSomething(row['Col1']
row['Col2'] = doSomething(row['Col2'])
row['Col3'] = doSomething(row['Col3'])
这不像@BrenBarn 的回答那样优雅，但它的优点是数据框已就地修改，因此您无需再次重新分配列
【讨论】：
apply，那么数据框本身会被您的函数中的任何更改修改，因此您不需要分配给列，您可能仍然需要取决于您的功能正在做什么。关键是您只需要调用df.apply 而不需要说做df[['col1','col2','col3']]=df.apply(lambda row: format_number(row), axis=1))，在我的代码中，赋值是由format_number 函数完成的，所以我猜这个赋值是隐式的，而不是像BrenBarn 的答案那样显式的跨度>
df.apply(lambda x: x **2) 来平方值