Pandas数据分析基础—pandas自带函数map()/apply()/applymap()

---

前言

在进行数据处理时，经常会对一个DataFrame展开逐行、逐列、逐元素的操作，对应这些操作，常常使用Pandas中的map、apply和applymap三个函数进行处理。本文主要讲这三个函数在series、dataframe数据结构下应用情况及三个函数的区别。

---

模拟的样本数据

boolean=[True,False]
channel=["T","N"]
data=pd.DataFrame({
    "A":np.random.randint(150,190,10),
    "B":np.random.randint(40,90,10),
    "C":[boolean[x] for x in np.random.randint(0,2,10)],
    "D":[channel[x] for x in np.random.randint(0,2,10)]
}
)
data

一、Series数据处理

1、map()方法

• 使用字典进行映射

举例：
要求：将D列中”N“换为0，”T“为1。

data['D']=data['D'].map({'N':0,'T':1})
data

• 使用函数

举例：
要求：将D列中”N“换为0，”T“为1。

def func(values):
	if values=='N':
		return 0
	else:
		return 1

data['D']=data['D'].map(func)
data

不管是利用字典还是函数进行映射，map方法都是把对应的数据逐个当作参数传入到字典或函数中，得到映射后的值。

2、apply()方法

• 使用函数做映射

举例：
要求：将D列中”N“换为0，”T“为1。

def func(values):
	if values=='N':
		return 0
	else:
		return 1

data['D']=data['D'].apply(func)
data

• apply可以输入额外的参数
  可以给apply调用函数添加多个参数，在apply里加上args=，将其他参数组成一个元组代入函数中。注意：只有一个额外参数时需要写成这种形式：(‘额外参数1’,)，加一个’,'，代表是一个元组。

举例：
要求：将A列中所有数值减去100。

def func(values,x):
	return values+x

data['A']=data['A'].apply(func,args=(-100,))
data

• 不可以用字典来做映射

举例：
要求：将D列中”N“换为0，”T“为1。

data['D']=data['D'].apply({'N':0,'T':1})
data

3、applymap()方法

• series没有applymap函数。

总结

• Series的map可以直接输入字典做关系映射，apply不行。
• Series的apply可以输入函数之外的额外参数，map不行。
• Series的apply和map都可以输入函数做数据处理。
• Series没有applymap函数。
• Series的apply是不能直接输入字典做关系映射，不是不能输入字典。

二、DataFrame数据处理

1、map()方法

• DataFrame中没有map()方法

2、apply()方法

• 对比Series的apply，DataFrame的apply多了一个核心参数axis：
  当axis=1时，对每行执行指定函数。
  当axis=0时，对每列执行指定函数。

举例1
要求：对比A、B两列，求每行最大值

import numpy as np 
data[['A','B']].apply(np.max,axis=1)

举例2
要求：求A、B两列的最大值

import numpy as np 
data[['A','B']].apply(np.max,axis=0)

3、applymap()方法

• applymap会对DataFrame中每个单元格执行指定函数的操作

举例：
要求：将dataframe中所有的值保留两位小数显示，使用applymap可以很快达到你想要的目的

import pandas as pd
data = pd.DataFrame(
    {
        "A":np.random.randn(5),
        "B":np.random.randn(5),
        "C":np.random.randn(5),
        "D":np.random.randn(5),
        "E":np.random.randn(5),
    }
)
data 

data .applymap(lambda x:"%.2f" % x)

总结

• DataFrame没有map函数。
• DataFrame的apply是对行（可以单行也可以多行）或列（可以单列也可以多列）执行指定函数的操作，有axis参数，当axis=1，对每行执行指定函数，当axIs=0时，对每列执行指定函数。
• DataFrame中applymap会对每个单元格执行指定函数的操作。

---

三、map、apply、applymap三个函数区别

• map：应用在单独一个Series的每个元素中，只针对单列。

• apply：应用在DataFrame的行或列中，也可以应用到单独一个Series的每个元素中，针对多列，也可以单列。

• applymap：应用在DataFrame的每个元素中。针对DataFrame全部元素。apply想要直接对每个元素进行操作，得单独取出serires才可以实现，不能直接在整个DataFrame上执行。

---

参考文章：

https://zhuanlan.zhihu.com/p/100064394
https://zhuanlan.zhihu.com/p/133722455
https://zhuanlan.zhihu.com/p/584036056