Bỏ qua đến nội dung chính
Mục lục

apply() trong pandas (pandas apply) và khi nào nên tránh

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 9/13 · Chương 5

GroupBy, map và apply

  • 7 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Phương thức apply() của pandas (pandas apply) gọi một hàm bạn viết trên từng giá trị của một cột, hoặc trên từng dòng của bảng. Bạn dùng nó khi quy tắc khó viết bằng phép tính có sẵn, như phí giao phụ thuộc cả kênh bán lẫn giá trị đơn; còn khi quy tắc viết được bằng phép so sánh thì phép tính vector như np.where() gọn và nhanh hơn.

Cần biết trước: hàm def, lambda, map() và replace() và np.where().

Áp một hàm lên từng giá trị bằng Series.apply()

s.apply(ham) gọi ham một lần cho mỗi giá trị của Series s, rồi gom các kết quả thành Series mới, cùng index. Đây là ý tưởng hàm bậc cao: bạn đưa chính hàm co_don, không gọi nó, cho apply().

python
import pandas as pd

gio = pd.DataFrame({
    "kenh": ["Website", "Cửa hàng", "Ứng dụng", "Website"],
    "tong": [450000, 120000, 180000, 90000],
})

def co_don(tien):
    return "lớn" if tien >= 300000 else "nhỏ"

print(gio["tong"].apply(co_don))

KẾT QUẢ

0    lớn
1    nhỏ
2    nhỏ
3    nhỏ
Name: tong, dtype: str

Hàm co_don nhận một con số và trả một chữ. Hàm ngắn như vậy viết được bằng lambda ngay trong lời gọi: gio["tong"].apply(lambda t: "lớn" if t >= 300000 else "nhỏ"). Series.map() với một hàm cũng cho cùng kết quả; apply() hay được dùng khi hàm nhận thêm tham số. Đổi 300000 thành 100000 rồi chạy lại: ba dòng đầu in lớn.

Áp một hàm lên từng dòng bằng df.apply(axis=1)

Khi quy tắc cần nhiều cột cùng lúc, viết hàm nhận cả một dòng. df.apply(ham, axis=1) đưa từng dòng, dưới dạng một Series có index là tên cột, cho ham. Quy tắc phí giao: miễn phí khi mua tại cửa hàng hoặc đơn từ 300.000 đ, còn lại 30.000 đ:

python
import pandas as pd

gio = pd.DataFrame({
    "kenh": ["Website", "Cửa hàng", "Ứng dụng", "Website"],
    "tong": [450000, 120000, 180000, 90000],
})

def phi_ship(dong):
    if dong["kenh"] == "Cửa hàng" or dong["tong"] >= 300000:
        return 0
    return 30000

gio["phi"] = gio.apply(phi_ship, axis=1)
print(gio)

KẾT QUẢ

       kenh    tong    phi
0   Website  450000      0
1  Cửa hàng  120000      0
2  Ứng dụng  180000  30000
3   Website   90000  30000

Trong phi_ship, dong["kenh"] và dong["tong"] đọc hai ô của cùng một dòng. Hàm viết như một quy tắc bằng lời, dễ đọc và dễ sửa khi quy tắc thay đổi.

Vì sao apply() chậm và thay bằng np.where()

apply() gọi hàm Python một lần cho mỗi dòng, và mỗi lần pandas phải dựng một Series cho dòng đó. Phép tính vector, như bài vectorization đã cho thấy, tính cả cột trong một lần bên trong NumPy. Dưới đây là cùng quy tắc phí giao viết theo hai cách, chạy trên 1.526 đơn của don_hang.csv:

python
import numpy as np
import pandas as pd
don = pd.read_csv("don_hang.csv")
don["tong"] = don["so_luong"] * don["don_gia"]
def phi_ship(d):
    mien = d["kenh"] == "Cửa hàng" or d["tong"] >= 300000
    return 0 if mien else 30000
cach_1 = don.apply(phi_ship, axis=1)
dk = (don["kenh"] == "Cửa hàng") | (don["tong"] >= 300000)
cach_2 = pd.Series(np.where(dk, 0, 30000))
print(cach_1.equals(cach_2))

KẾT QUẢ

True

True cho biết hai cách cho cùng phí từng đơn. Cái khác nằm ở khối lượng việc: cách đầu dựng 1.526 Series rồi gọi phi_ship 1.526 lần, cách sau chỉ làm vài phép so sánh trên cả cột. Bảng càng dài thì apply() càng tụt lại xa, và trên bảng vài trăm nghìn dòng bạn sẽ phải ngồi chờ. Với np.where(), điều kiện viết bằng | (hoặc) và & (và) giữa các Series so sánh, mỗi vế trong ngoặc tròn.

Quy tắc chọn: điều kiện viết được bằng phép so sánh, &, | thì dùng np.where(); quy tắc nhiều nhánh, gọi hàm ngoài hay xử lý chuỗi phức tạp thì apply() vẫn đáng dùng, nhất là trên bảng vài nghìn dòng.

Áp hàm lên từng ô bằng DataFrame.map()

Khi cần đổi từng ô của cả bảng, như định dạng giá tiền để in, dùng DataFrame.map(). Trong pandas cũ, phương thức này tên là applymap(); tên cũ đã bị bỏ, code trên mạng còn dùng nó sẽ báo lỗi.

python
import pandas as pd

gia = pd.DataFrame({"gia_ban": [45000, 128000],
                    "gia_von": [30000, 95000]},
                   index=["Trà sen", "Ấm chén"])
print(gia.map(lambda v: f"{v:,} đ".replace(",", ".")))

KẾT QUẢ

           gia_ban   gia_von
Trà sen   45.000 đ  30.000 đ
Ấm chén  128.000 đ  95.000 đ

f"{v:,}" chèn dấu phẩy ngăn nghìn, replace(",", ".") đổi sang dấu chấm theo cách viết tiền Việt. Kết quả là bảng chữ để in, không còn tính toán được. Bài blog các hàm pandas thường dùng có bảng so sánh map(), apply() và phép tính vector.

Kiểm tra nhanh

  1. Sau import pandas as pd, pd.Series([3, 8, 5]).apply(lambda x: x * 2 if x > 4 else 0).to_list() cho kết quả gì?

    • [6, 16, 10]
    • [0, 16, 10]
    • [0, 8, 5]
    • [False, True, True]
  2. Trong khung bẫy, gio.apply(phi_ship) báo lỗi gì?

    • Báo lỗi KeyError, vì hàm nhận từng cột và cột không có nhãn kenh
    • Báo lỗi TypeError, vì phi_ship cần hai tham số
    • Báo lỗi ValueError, vì bảng có cột chữ
  3. Những lệnh nào cho Series phí giao giống ví dụ, mỗi đơn 0 hoặc 30000?

    • gio.apply(phi_ship, axis=1)
    • pd.Series(np.where((gio["kenh"] == "Cửa hàng") | (gio["tong"] >= 300000), 0, 30000))
    • pd.Series(np.where((gio["kenh"] == "Cửa hàng") & (gio["tong"] >= 300000), 0, 30000))
    • gio["tong"].apply(phi_ship)
  4. Bạn cần đổi từng ô của cả bảng số thành chữ có đơn vị "đ". Phương thức nào hợp nhất?

    • df.apply(ham)
    • df.map(ham)
    • df.applymap(ham) trong pandas 3
    • df.replace(ham)
Đúng hết lần đầu +15 XP

Bài tập

Tiền thưởng doanh số của nhân viên

Bảng nv của một cửa hàng điện máy có ba cột: ten, doanh_so (triệu đồng trong tháng) và ngay_nghi. Viết thân hàm tien_thuong(nv) tính tiền thưởng (triệu đồng) của từng người:

  • Người có doanh_so từ 100 trở lên và nghỉ không quá 2 ngày được thưởng 5% doanh số.

  • Người còn lại nhận 0.0.

Kết quả dài bằng nv và giữ index của nv. Bạn dùng apply(axis=1) hay np.where() đều được. Hàm không sửa bảng nv của nơi gọi.

Trả về: tiền thưởng của từng người, một Series.

python
import numpy as np
import pandas as pd

def tien_thuong(nv):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • s.apply(ham) gọi ham trên từng giá trị của Series, kết quả giữ index.

  • df.apply(ham, axis=1) đưa từng dòng cho ham; trong hàm đọc ô bằng dong["ten_cot"].

  • Quên axis=1 thì hàm nhận từng cột, đọc dong["ten_cot"] báo KeyError.

  • apply() gọi hàm Python mỗi dòng nên chậm; điều kiện viết được bằng so sánh thì dùng np.where().

  • DataFrame.map() áp hàm lên từng ô, thay cho applymap() của pandas cũ.

Câu hỏi thường gặp

Dùng pandas groupby apply có còn được không?

Được, nhưng hiếm khi cần. groupby().apply() đưa cả nhóm cho hàm; từ pandas 3, bảng con mà hàm nhận không có cột dùng để chia nhóm, nên hàm cũ nào đọc cột đó sẽ dừng với KeyError. Phần lớn việc của nó làm được bằng agg(), transform() hay filter(), vừa nhanh hơn vừa dễ đọc.

lambda pandas khác def thế nào khi đưa vào apply()?

Cả hai đều là hàm. Lambda gọn cho một biểu thức ngắn viết ngay trong lời gọi. Quy tắc có nhiều nhánh if, cần tên để đọc lại hay để thử riêng thì viết bằng def. Cách viết lambda có ở bài lambda.

Có nhiều hơn hai nhánh thì thay apply() bằng gì?

Dùng np.select() với một list điều kiện và một list giá trị, như bài np.where() giới thiệu. Chia một cột số thành các khoảng như Đồng, Bạc, Vàng thì có pd.cut(), bài sau sẽ dạy.

apply dataframe pandas có trả về DataFrame được không?

Được: khi hàm trả một Series cho mỗi dòng, df.apply(ham, axis=1) gom các Series đó thành DataFrame, mỗi khóa của Series thành một cột. Cách này tiện khi một quy tắc tính ra nhiều con số cùng lúc, nhưng vẫn chậm như các lần apply() theo dòng khác.

Chủ đề

pandas apply

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập