Series中的map方法

map方法会将函数或字典应用于Series中的每个元素，对每个元素执行相同的操作。

若元素是数值：

（1）对每个元素执行相同的计算：

import pandas as pd


# 定义Series
s = pd.Series([1, 2, 3])


# 对每个元素进行平方：
s = s.map(lambda x: x**2)


print(s) 
# 输出:
# 0    1
# 1    4
# 2    9
# dtype: int64

 （2）将float类型转为百分数：

# 定义df
df = pd.DataFrame({'id': [1, 2, 3],
                   '达标率': [0.0322, 0.1051, 0.0211]})


df
# 输出：
#    id     达标率
# 0   1  0.0322
# 1   2  0.1051
# 2   3  0.0211


# 将'达标率'列转为百分数
df['达标率'] = (df['达标率'] * 100).map('{:,.2f}%'.format)


df
# 输出：
#    id     达标率
# 0   1   3.22%
# 1   2  10.51%
# 2   3   2.11%

（3）将int类型转为str类型：

# 定义df
df = pd.DataFrame(data = {'id': [1, 2, 3],
                         'age': [25, 30, 35],
                         'sex': [0, 1, 0]})


df
# 输出：
#    id  age  sex
# 0   1   25    0
# 1   2   30    1
# 2   3   35    0


# 将sex列的每个int元素的变为str元素
df['sex'] = df['sex'].map({0: '女', 
                           1: '男'})


df
# 输出:
#    id  age sex
# 0   1   25   女
# 1   2   30   男
# 2   3   35   女

---

若元素是str：

（1）修改元素：

# 定义Series
disease = pd.Series(['hBP', 't2DM'])


# 将每个元素的首字母大写，其他字母小写：
disease = disease.map(lambda x: x.capitalize())


print(disease) 
# 输出:
# 0     Hbp
# 1    T2dm
# dtype: object