Python中map、apply、applymap三函数的使用（用于DataFrame）

因为我主要是将其用于DataFrame数据中，所以我们可以这么认为

• map（Series）—>对某列进行操作
• apply（DataFrame）—>对行数据或者列数据进行操作
• applymap（DataFrame）—>对所有表中元素进行操作

一，map

• 在python2中map返回的是一个列表，而在python3中返回的是一个迭代器，如果获取转换为 list 就行了

import pandas as pd
import numpy as np

#DataFrame数据合并
temp = {"name":["一","二","三","四","五"],"年龄":[10,5,17,5,17],"num":[5,500,10000,700,8000]}
a = pd.DataFrame(temp)


#   name  年龄    num
# 0    一  10      5
# 1    二   5    500
# 2    三  17  10000
# 3    四   5    700
# 4    五  17   8000

#方法一；
def square(x) :
	return x ** 2
a["年龄"] = list(map(square,a["年龄"]))
# print(a)

#   name   年龄    num
# 0    一  100      5
# 1    二   25    500
# 2    三  289  10000
# 3    四   25    700
# 4    五  289   8000

#方法二：
a["年龄"].map(lambda x: x ** 2)
print(a)

#   name   年龄    num
# 0    一  100      5
# 1    二   25    500
# 2    三  289  10000
# 3    四   25    700
# 4    五  289   8000

二，apply

• axis = 0 作用在列上，默认
• axis = 1 作用在行上

import pandas as pd
import numpy as np

#DataFrame数据合并
temp = {"name":["一","二","三","四","五"],"年龄":[10,5,17,5,17],"num":[5,500,10000,700,8000]}
a = pd.DataFrame(temp)


#   name  年龄    num
# 0    一  10      5
# 1    二   5    500
# 2    三  17  10000
# 3    四   5    700
# 4    五  17   8000

###方法一；非匿名函数

#修改某一列
def xiugai(x) :
	return str(x)+"修改"
a["年龄"] = a["年龄"].apply(xiugai )
print(a)

#   name    年龄    num
# 0    一  10修改      5
# 1    二   5修改    500
# 2    三  17修改  10000
# 3    四   5修改    700
# 4    五  17修改   8000

#修改某一行
def xiugai(x) :
	return str(x)+"修改"
a.iloc[0] = a.iloc[0].apply(xiugai )
print(a)

#   name    年龄    num
# 0  一修改  10修改    5修改
# 1    二     5    500
# 2    三    17  10000
# 3    四     5    700
# 4    五    17   8000


###方法二：匿名函数

#修改某一列
a["年龄"] = a["年龄"].apply(lambda x:str(x) + "修改")
print(a)

#   name    年龄    num
# 0    一  10修改      5
# 1    二   5修改    500
# 2    三  17修改  10000
# 3    四   5修改    700
# 4    五  17修改   8000


#修改某一行
a.iloc[0] = a.iloc[0].apply(lambda x:str(x) + "修改")
print(a)

#   name    年龄    num
# 0  一修改  10修改    5修改
# 1    二     5    500
# 2    三    17  10000
# 3    四     5    700
# 4    五    17   8000

###方法三：多参数传入

# 注意这里args只能传入(元组),不能是"ok"或("ok")
def testf(x, str):
	return x,str
a["name"] = a["name"].apply(testf, args=("ok",))
print(a)

#       name  年龄    num
# 0  (一, ok)  10      5
# 1  (二, ok)   5    500
# 2  (三, ok)  17  10000
# 3  (四, ok)   5    700
# 4  (五, ok)  17   8000

三，applymap

import pandas as pd
import numpy as np

#DataFrame数据合并
temp = {"name":["一","二","三","四","五"],"年龄":[10,5,17,5,17],"num":[5,500,10000,700,8000]}
a = pd.DataFrame(temp)


#   name  年龄    num
# 0    一  10      5
# 1    二   5    500
# 2    三  17  10000
# 3    四   5    700
# 4    五  17   8000

###方法一；非匿名函数

def xiugai(x) :
	return str(x)+"修改"
a = a.applymap(xiugai )
print(a)

#   name    年龄      num
# 0  一修改  10修改      5修改
# 1  二修改   5修改    500修改
# 2  三修改  17修改  10000修改
# 3  四修改   5修改    700修改
# 4  五修改  17修改   8000修改



###方法二：匿名函数

a = a.applymap(lambda x:str(x) + "修改")
print(a)

#   name    年龄      num
# 0  一修改  10修改      5修改
# 1  二修改   5修改    500修改
# 2  三修改  17修改  10000修改
# 3  四修改   5修改    700修改
# 4  五修改  17修改   8000修改