applyメソッドを使う時

Question

PythonでSQL文の実行の勉強をしています。
applyメソッドを使う時がわかりません。
テキストに以下のコードが出てきました。

data["hs_directory"]["DBN"]=
data["hs_directory"]["dbn"]

def pad_csd(num):
    string_representation = str(num)
    if len(string_representation) > 1:
        return string_representation
    else:
        return
string_representation.zfill(2)

data["class_size"]["padded_csd"] =
data["class_size"]["CSD"].apply(pad_csd)
data["class_size"]["DBN"] =
data["class_size"]["padded_csd"] +
data["class_size"]["SCHOOL CODE "]
print(data["class_size"].head())

というコードがありまして、

data["class_size"]["CSD"].apply(pad_csd)

の一文でapplyメソッドが使われている理由がわかりません。
http://atkonn.blogspot.jp/2008/02/python-python28-apply.html
からapplyメソッドの引数は２つ以上であると思えますが、
どうして一つなのでしょうか？
このコードの書き方だと、pad_csdメソッドの引数を受け取っていないように見えます。
また、上記のコードでapplyメソッドを使って何がしたいのかがわかりません。
applyメソッドを使う時はどういう時なのでしょうか？

Answer 1

http://atkonn.blogspot.jp/2008/02/python-python28-apply.html

そもそも、上記URLに書いてある apply関数 と pandasのDataFrameが持つ、applyメソッドは全くの別物です。

---

１. 上記URLの apply関数 は Python2系にあった組み込みの関数です。(そしてこの関数はPython2.3から非推奨の関数となっています。)

https://docs.python.org/2/library/functions.html#apply

---

２. pandas.DataFrame.apply は1の関数とは別物で、DataFrameクラスのメソッドです。

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.apply.html

このメソッドは何をしているかというと、DataFrameのデータ一つ一つに対して、引数として渡された関数を適用するという意味です。

data["class_size"]["padded_csd"] = data["class_size"]["CSD"].apply(pad_csd)

これは CSD の列のデータ一つ一つを pad_csd の引数numとして渡して、その結果を padded_csd の列データとしてセットするという意味です。

例えば CSD の列に [10, 1, 30] のようなデータが入ってたとしたら、padded_csd の列には ['10', '01', '30'] のようなデータがセットされます。

---

３. pad_csd関数は何をやっているのか？

上記にも少し書きましたが、 pad_csd関数は以下のようなことをやっています。

1. num という数値データを引数で受け取る
2. numを文字列にする
3. 文字列が2桁以上であれば、そのままデータを返す
4. 文字列が2桁未満であれば、0で埋めて2桁になるようにする。

単純に関数を実行すると下記のような挙動になります。

pad_csd(10) # => '10' という文字列が返る
pad_csd(1)  # => '01' という文字列が返る

---

４. applyメソッドはどういう時に使うのか?

今回の例のように、Pandasの DataFrame の特定の列や行のデータに対して一括で特定の関数を適用したい場合に使います。

Comments

[退会済みユーザー]

ありがとうございます。
これは CSD の列のデータ一つ一つを pad_csd の引数numとして渡して、その結果を  padded_csd の列データとしてセットするという意味
について質問なのですが、CSD の列のデータ一つ一つがpad_csd の引数numになっているとわかるのでしょうか？
どうして、

[tell_k]

それは 「applyメソッド」がそのような仕様だからですね。

data["class_size"]["CSD"].apply(pad_csd)

"CSD" の列に対して、applyメソッドにpad_csd関数を渡してるのでそのように判別がつきます。

PandasのDataframeの扱いについて良くまとまってる記事のURLを貼っておきますので、一度目をとおしてみてください。

http://sinhrks.hatenablog.com/entry/2015/06/18/221747

[退会済みユーザー]

urlを見ました。DataFrame.apply: DataFrame の各列もしくは各行に対して関数を適用。行 / 列の指定は axis キーワードで行う　から、applyメソッドは列か行に対してデータの付加を行うことがわかりました。
しかし、今回のapply(pad_csd)　だけでは列もしくは行のどちらを指定しているのかわからないと思うのです。
"CSD" の列に対して、applyメソッドにpad_csd関数を渡してるのでそのように判別がつきます。　から思ったのですが、この書き方は"CSD" の列に対してapplyメソッドを付加しているから、"CSD" の列に対してデータを渡しているということでしょうか？そうだとすると、["class_size"]の列にapplyメソッドを渡したいなら、data["class_size"].apply(pad_csd)["CSD"]　という書き方になるということでしょうか？