Pandas中函数map,apply,applymap的相关应用操作

理论：

知识要点

map(function,series)

作用：将funciton函数作用于一个Series的每一个元素

Series：是待分析的数据

function函数：可以是NumPy中的通用函数(np.max、np.mean等)

可以是自定义函数(def function)

优点：不使用循环，代码简洁，效率高

apply()函数

通过apply()将函数应用到行或列上

在DataFrame上操作时注意指定轴的方向，默认axis=0

applymap()函数

通过applymap()将函数应用到对象的元素上，df的维度不变

实验：

第八节 函数应用操作--map

In [1]:

 

import pandas as pd

import math

import numpy as np

Python的高阶函数map()

In [2]:

 

l = list(range(10))

print(l)

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

In [8]:

 

# 对L中的每个元素开根号

# 使用map

result = map(math.sqrt,l)

print(result)

<map object at 0x000001A1D4870640>

In [9]:

 

# 注意直到取出结果，才会执行操作

list(result)

Out[9]:

[0.0,
 1.0,
 1.4142135623730951,
 1.7320508075688772,
 2.0,
 2.23606797749979,
 2.449489742783178,
 2.6457513110645907,
 2.8284271247461903,
 3.0]

Pandas中的map()函数

In [10]:

 

ser = pd.Series(l)

ser

Out[10]:

0    0
1    1
2    2
3    3
4    4
5    5
6    6
7    7
8    8
9    9
dtype: int64

In [11]:

 

#开根号

ser.map(np.sqrt)

Out[11]:

0    0.000000
1    1.000000
2    1.414214
3    1.732051
4    2.000000
5    2.236068
6    2.449490
7    2.645751
8    2.828427
9    3.000000
dtype: float64

In [12]:

 

# 自定义函数

ser.map(lambda x:x**2 + 1)

Out[12]:

0     1
1     2
2     5
3    10
4    17
5    26
6    37
7    50
8    65
9    82
dtype: int64

In [13]:

 

def func(x):

    x1 = x**3

    x2 = x1 * 2 + 1

    return x2

In [14]:

 

ser.map(func)

Out[14]:

0       1
1       3
2      17
3      55
4     129
5     251
6     433
7     687
8    1025
9    1459
dtype: int64

In [ ]:

 

​

第九节函数应用操作（2）--apply、applymap

In [16]:

 

df = pd.DataFrame(np.arange(10).reshape(5,2),columns=['col_1','col_2'])

df

Out[16]:

	col_1	col_2
0	0	1
1	2	3
2	4	5
3	6	7
4	8	9

In [17]:

 

df.apply(np.sum)

Out[17]:

col_1    20
col_2    25
dtype: int64

In [18]:

 

# 注意参数axis

df.apply(np.sum,axis=1)

Out[18]:

0     1
1     5
2     9
3    13
4    17
dtype: int64

applymap()

In [20]:

 

df.applymap(np.sum)

Out[20]:

	col_1	col_2
0	0	1
1	2	3
2	4	5
3	6	7
4	8	9

 

实际例子

In [21]:

 

staff_df = pd.DataFrame([{'姓名':'张三','部门':'研发部'},

                        {'姓名':'李四','部门':'财务部'},

                        {'姓名':'赵六','部门':'市场部'}])

staff_df

Out[21]:

	姓名	部门
0	张三	研发部
1	李四	财务部
2	赵六	市场部

In [22]:

 

# 获取姓

staff_df['姓名'].apply(lambda x: x[0])

Out[22]:

0    张
1    李
2    赵
Name: 姓名, dtype: object

In [23]:

 

staff_df['姓'] = staff_df['姓名'].apply(lambda x: x[0])

staff_df

Out[23]:

	姓名	部门	姓
0	张三	研发部	张
1	李四	财务部	李
2	赵六	市场部	赵

In [ ]:

 

​