map、apply、applymap的用法

最新推荐文章于 2024-01-26 14:55:20 发布

Snailser蜗了个壳

最新推荐文章于 2024-01-26 14:55:20 发布

阅读量4.6k

点赞数 7

文章标签： python

原文链接：https://zhuanlan.zhihu.com/p/100064394

版权

准备工作

准备dataframe名为df

如图

一、对Series操作

1.1 map

原理：map将数据逐个当作参数传入字典或者函数中，返回映射之后的值；最后映射结果组成新的Series

使用lambda函数：

# 1. 令所有人年龄加上88
df['age'].map(lambda x: x+88)

# 2. 性别栏，把f换成女，m换成男
df['gender'].map({'f':'女','m':'男'})

使用自定义函数，这里map只接受一个参数，即传入的x

例如：

# 3. 函数实现2中的功能
def gender_map(x):
    if x == 'f':
        return '女'
    elif x == 'm':
        return '男'
df['gender'].map(gender_map)

1.2 apply

相较于map，apply工作原理类似，区别是能够传入更加复杂的参数，接受多个参数

令所有人的年龄加上一个变量bias：

# 年龄加上bias，bias作为参数传入
def age_apply(x, bias):
    return x+bias
df['age'].apply(age_apply, args=(-3,))

这里，用args以元组格式传入参数

再例如，对年龄乘以第一个参数，加上第二个参数（共两个参数）：

def age_apply(x, multiple, bias):
    return x*multiple+bias
df['age'].apply(age_apply, args=(20, -3))  # 这里第一个参数20对应multiple，第二个参数-3对应bias

二、对DataFrame操作

2.1 apply

对于DataFrame而言，apply中的参数axis=1表示对【行】遍历，axis=0表示对【列】遍历

对于传入apply的行（或列）数据，以Series格式传入指定函数，返回对应的结果

例如，对行操作，性别为m，年龄大于20的，将性别的’f’改为’男’：

def gender_apply(x):
    if (x['gender'] == 'm') & (x['age'] > 20):
        return '男'
    else:
        return x['gender']
    pass
df.apply(gender_apply, axis=1)

2.2 applymap

对DataFrame中的每个单元格执行指定函数的操作

例如，想对下面的DataFrame所有数值执行保留两位小数的操作

# 构建dataframe
df = pd.DataFrame(data=np.random.randn(5,5),
            columns=list('ABCDE'))
# 保留两位小数
df.applymap(lambda x: '%.2f' % x)

原始数据：

保留两位小数：

参考文章

知乎 - 易执：Pandas教程 | 数据处理三板斧——map、apply、applymap详解