pandas-批量运算，map

pandas批量运算主要分按行，按列跟按dataframe计算。一般来说，是for循环的替代算法。
批量运算一般是用自定义def或者自带函数，根据def参数的情况就可以分为单参数和多参数，先说按列的map函数
map:
单列：
dataframe['列名'].map(函数名)
比如df['code'].map(savetomysql)
其中：
df['code']：dataframe里的code这一列
savetomysql是我自定义的def，它应该有一个参数，或者有多个参数但其他参数都有默认值。def savetomysql（code，date=2...）

多列：
list(map(lambda x, y: 函数(x, y), dataframe['列名1'], dataframe['列名2']))
比如list(map(lambda x, y: getdata(x, y), df['code'], df['date']))
若有其他固定参数，放在lambda里面：list(map(lambda x, y，z=5: getdata(x, y，z), df['code'], df['date']))
特别说明的是getdata返回值是多个的话，可以用list返回，然后变成dataframe拼接到原始数据中。
比如：
getdata return [A,B,C],列名是‘A’,‘B’,‘C’
df是原始dataframe
rate = list(map(lambda x, y: getdata(x, y), ori['code'], ori['date']))
name = 'code,date,A,B,C'
col = name.split(',')
temp = pd.DataFrame(data=rate, columns=col)
df1= pd.merge(df, temp, on=['code', 'date']) #加列
df1就是根据两列生成新的dataframe，我经常这么做。