数据处理三板斧——apply、map、applymap

一、.apply()

如果是对series，则对series里的各值分别施加一个函数。第一个参数是函数对象，然后用关键字参数指定 args = (a,b)等，如

a = [[6,21,1.11],[ 8, 22, 1.22], [12, 23,1.33]]        # 新建一个dataframe
a = pd.DataFrame(a,columns=['age','weight','height'])
print(a)

   age  weight  height
0    6      21    1.11
1    8      22    1.22
2   12      23    1.33

定义一个判断并修改年龄的函数

def new_age (age, max,min):     # 如果年龄大于10就修改为10
    if age> max: age = 10       # 如果年龄小于5就修改为5
    if age < min: age = 5
    return age

再对dataframe的age列调用，注意调用的是series。第一个参数是函数对象，之后使用关键字agrs和kargs传参，否则会报错

b = a.iloc[:,0].apply(new_age, args = (9,7))       # 对serise使用apply
print (b)

0     5
1     8
2    10

也可以使用lamda()，类似.map()，就这个例子来说多个if判断肯定比lamda方便多了

如果是对dataframe，会挨个传入各行/各列，再施加一个函数，如计算BMI，为体重/（身高的平方），定义如下函数

   age  weight  height
0    6      21    1.11
1    8      22    1.22
2   12      23    1.33

def bmi(se):
    a = se['weight'] / se['height']**2
    return a

a['bmi'] = a.apply(bmi ,axis=1)        # 新增bmi列
print(a)

apply的第一个参数仍是函数对象，axis=1指定按行传入各series，列名不变，默认axis=0按列

结果是

   age  weight  height        bmi
0    6      21    1.11  17.044071
1    8      22    1.22  14.780973
2   12      23    1.33  13.002431

二、.map() 

 这个.map()不是python自带的map(func(), iterable)，用于迭代对象的。而是用于映射（譬如把性别这一列的男替换成1，女替换为0）或函数变换，映射既可以用字典也可以用定义函数，变换则跟apply一样施加一个函数，比如lamda

a = [['小明','男',18],['小王','女',20]]
a = pd.DataFrame(a,columns=['名字','性别','年龄'])
print(a)

   名字 性别  年龄
0  小明  男  18
1  小王  女  20

 传回一个series，直接直接传字典，也可以传入定义的函数但只能有一个参数，或者lamda

print(a['性别'].map({'男':1,'女':0}))  # 传入字典，可以直接写在map参数里

0    1
1    0

def new_sex(x):                         # 传入函数
    return 1 if x == '男' else 0
print(a['性别'].map(new_sex))

三、.applymap()

结合了apply和map的特性，apply无法直接对dataframe的每个数据，map只能对series，而applymap可以直接对df的每个元素。例如对每个元素加一，直接用lamda

   age  weight  height
0    6      21    1.11
1    8      22    1.22
2   12      23    1.33


print(a)
print(a.applymap(lambda x:x-1))

   age  weight  height
0    5      20    0.11
1    7      21    0.22
2   11      22    0.33

总结:

apply功能最强大，即可对series（此时挨个处理元素）也可对dataframe（此时挨个处理series），参数可以传多个；map主要用于映射；而applymap可以直接对dataframe的每个元素修改。