1.apply()
當想讓方程作用在一維的向量上時，可以使用apply來完成，如下所示

In [116]: frame = DataFrame(np.random.randn(4, 3), columns=list('bde'), index=['Utah', 'Ohio', 'Texas', 'Oregon'])

In [117]: frame
Out[117]: 
               b         d         e
Utah   -0.029638  1.081563  1.280300
Ohio    0.647747  0.831136 -1.549481
Texas   0.513416 -0.884417  0.195343
Oregon -0.485454 -0.477388 -0.309548

In [118]: f = lambda x: x.max() - x.min()

In [119]: frame.apply(f)
Out[119]: 
b    1.133201
d    1.965980
e    2.829781
dtype: float64

但是因為大多數的列表統計方程 (比如 sum 和 mean)是DataFrame的函式，所以apply很多時候不是必須的

2.applymap()
如果想讓方程作用於DataFrame中的每一個元素，可以使用applymap().用法如下所示

In [120]: format = lambda x: '%.2f' % x

In [121]: frame.applymap(format)
Out[121]: 
            b      d      e
Utah    -0.03   1.08   1.28
Ohio     0.65   0.83  -1.55
Texas    0.51  -0.88   0.20
Oregon  -0.49  -0.48  -0.31
3.map()
map()只要是作用將函式作用於一個Series的每一個元素，用法如下所示

In [122]: frame['e'].map(format)
Out[122]: 
Utah       1.28
Ohio      -1.55
Texas      0.20
Oregon    -0.31
Name: e, dtype: object
總的來說就是apply()是一種讓函式作用於列或者行操作，applymap()是一種讓函式作用於DataFrame每一個元素的操作，而map是一種讓函式作用於Series每一個元素的操作