在Pandas中，可以使用apply方法來應用自定義函數或lambda函數到DataFrame的行或列上。apply方法可以接受一個函數并應用到DataFrame的每一行或每一列上。
以下是一個示例，在DataFrame中使用apply方法計算每一行的和：
import pandas as pd
# 創建一個示例DataFrame
data = {
'A': [1, 2, 3],
'B': [4, 5, 6],
'C': [7, 8, 9]
}
df = pd.DataFrame(data)
# 定義一個自定義函數，計算每一行的和
def row_sum(row):
return row.sum()
# 使用apply方法應用自定義函數到每一行
df['Row Sum'] = df.apply(row_sum, axis=1)
print(df)
上述代碼中，我們首先創建了一個示例DataFrame，然后定義了一個自定義函數row_sum，用于計算每一行的和。接著，我們使用apply方法將這個函數應用到DataFrame的每一行上，并將計算結果存儲在一個新的列Row Sum中。
除了自定義函數，還可以使用lambda函數來在apply方法中應用，例如：
# 使用lambda函數計算每一列的平均值
column_avg = df.apply(lambda x: x.mean(), axis=0)
在這個示例中，我們使用lambda函數計算了每一列的平均值，并將結果存儲在column_avg中。通過axis=0參數，我們指定了對列進行操作。
總的來說，apply方法是一個非常靈活和強大的工具，可以幫助我們在Pandas中應用自定義函數或lambda函數來處理數據。
