pandas map(),apply(),applymap()區(qū)別解析
基礎
以下操作基于python 3.6 windows 10 環(huán)境下 通過
將通過實例來演示三者的區(qū)別
toward_dict = {1: '東', 2: '南', 3: '西', 4: '北'} df = pd.DataFrame({'house' : list('AABCEFG'), 'price' : [100, 90, '', 50, 120, 150, 200], 'toward' : ['1','1','2','3','','3','2']}) df
map()方法
通過df.(tab)鍵,發(fā)現(xiàn)df的屬性列表中有apply() 和 applymap(),但沒有map().
map()是python 自帶的方法, 可以對df某列內(nèi)的元素進行操作, 我個人最常用的場景就是有toward_dict
的映射關系 ,為df中的toward
匹配出結(jié)果,
df['朝向'] = df.toward.map(toward_dict);df
結(jié)果就是沒有匹配出來, why???
因為df.toward
這列數(shù)字是str型的, toward_dict
中的key是int型,下面修正操作下:兩個思路:
第一種思路:`toward_dict`的key轉(zhuǎn)換為str型 toward_dict2 = dict((str(key), val) for key, val in toward_dict.items())
# 第二種思路, 將df.toward轉(zhuǎn)為int型 df.toward = df.toward.map(lambda x: np.nan if x == '' else x).map(int,na_action='ignore') df['朝向2'] = df.toward.map(toward_dict);df
apply() 方法
更新時間: 2018-08-10
我目前的實際工作中使用apply()
方法比較少, 所以整理的內(nèi)容比較簡陋, 后續(xù)涉及到數(shù)據(jù)分析方面可能會應用比較多些.
先將上面的測試中的map
替換為apply
,看看怎么樣?
結(jié)果報錯了, ValueError
, 還是老老實實寫實際操作例子吧 ?
參考DataFrame.apply官方文檔
文檔中第一個參數(shù):
func : function
Function to apply to each column or row.
意思即是, 將傳入的func
應用到每一列或每一行,進行元素級別的運算
第二個參數(shù):
axis : {0 or ‘index', 1 or ‘columns'}, default 0
Axis along which the function is applied:
0 or ‘index': apply function to each column. # 注意這里的解釋
1 or ‘columns': apply function to each row.
舉例:
這個要特別注意的,
沒有繼續(xù)使用map里的DF, 是因為df.house是字符串, 不能進行np.sum
運算,會報錯.
2018年12月3日
新增:
最近在工作中使用到了pandas.apply()
方法,更新如下:
背景介紹:
一個 df
有三個列需要進行計算,change_type
值 為1和0, 1為漲價,0為降價, price
為現(xiàn)價, changed
為漲降價的絕對值, 現(xiàn)求:漲降價的比例, 精確到0位,無小數(shù)位,
解決思路:
1.最主要的計算是: 漲降價的絕對值/ 原價
2.最主要的難點是: 漲價的原價 = 現(xiàn)價 - 絕對值
降價的原價 = 現(xiàn)價 + 絕對值
偽代碼如下: 漲降價比例 = round(changed/(price 加上或減去 changed), 0)
就是我需求的結(jié)果了.
解決方案 如下:
以下代碼經(jīng)過win 10 環(huán)境 python3.6 版本測試通過
import pandas as pd df = pd.DataFrame({'change_type' : [1,1,0,0,1,0], 'price' : [100, 90, 50, 120, 150, 200], 'changed' : [10,8,4,11,14,10]}) def get_round(change_type, price, changed_val): """ 策略設計 """ if change_type == 0: return round(changed_val/(price + changed_val) * 100, 2) elif change_type == 1: return round(changed_val/(price - changed_val) * 100, 2) else: print(f'{change} is not exists') # 策略實現(xiàn) df['round'] = df.apply(lambda x: get_round(x['change_type'], x['price'], x['changed']),axis=1)
若有問題, 歡迎指正, 謝謝
applymap()
func : callable
Python function, returns a single value from a single value.
文檔很簡單, 只有一個參數(shù), 即傳入的func
方法
樣例參考文檔吧, 沒有比這個更簡單了
總結(jié):
map() 方法是pandas.series.map()方法, 對DF中的元素級別的操作, 可以對df的某列或某多列, 可以參考文檔
apply(func) 是DF的屬性, 對DF中的行數(shù)據(jù)或列數(shù)據(jù)應用func
操作.
applymap(func) 也是DF的屬性, 對整個DF所有元素應用func
操作
到此這篇關于pandas map(),apply(),applymap()區(qū)別解析的文章就介紹到這了,更多相關pandas map(),apply(),applymap()內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
python筆記(1) 關于我們應不應該繼續(xù)學習python
關于Python,如果你要學習,建議大家查看一下網(wǎng)站:因為本人也是剛剛決定收集點零碎時間來學習下它,推薦可能并不是最好的2012-10-10python實現(xiàn)人性化顯示金額數(shù)字實例詳解
在本篇內(nèi)容里小編給大家整理了關于python實現(xiàn)人性化顯示金額數(shù)字實例內(nèi)容,需要的朋友們可以參考下。2020-09-09Django提示mysql版本過低:django.db.utils.NotSupportedError: My
這篇文章主要介紹了Django提示mysql版本過低:django.db.utils.NotSupportedError: MySQL 8 or later is required (found 5.7.26).的解決方法,文中有詳細的解決方案,具有一定的參考價值,需要的朋友可以參考下2024-03-03Keras神經(jīng)網(wǎng)絡efficientnet模型搭建yolov3目標檢測平臺
這篇文章主要為大家介紹了Keras利用efficientnet系列模型搭建yolov3目標檢測平臺的過程詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2022-05-05Python用HBuilder創(chuàng)建交流社區(qū)APP
這篇文章主要講解Python使用HBuilder創(chuàng)建交流社區(qū)APP,使用HBuilder做一個簡單的社區(qū)瀏覽界面,下面文章附有詳細的代碼,需要的朋友可以參考一下2021-11-11