欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Pandas中map(),applymap(),apply()函數(shù)的使用方法

 更新時間:2023年02月22日 10:12:33   作者:餃子大人  
本文主要介紹了Pandas中map(),applymap(),apply()函數(shù)的使用方法,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧

將函數(shù)應用于pandas對象(pandas.DataFrame,pandas.Series)時,根據(jù)所應用的函數(shù)類型以及是否將其應用于元素,行或列,使用的方法會有所不同。

指定pandas對象作為NumPy函數(shù)的參數(shù)

  • 將Pandas對象指定為函數(shù)參數(shù)
  • 是否將其應用于元素,行或列取決于函數(shù)的類型和參數(shù)的設置而有所不同
  • Pandas對象中的一些方法

Pandas對象方法的函數(shù)應用
元素功能(標量值)

  • 適用于Series的每個元素:map(),apply()
  • 應用于DataFrame的每個元素:applymap()

行和列的功能(一維數(shù)組)

  • 應用于DataFrame的每行和每列:apply()

用以下csv文件作為示例進行說明。

a,b,c,d
11,12,13,14
21,22,23,24
31,32,33,34

import pandas as pd
import numpy as np

df = pd.read_csv('./data/06/sample_header.csv')
print(df)
# ? ? a ? b ? c ? d
# 0 ?11 ?12 ?13 ?14
# 1 ?21 ?22 ?23 ?24
# 2 ?31 ?32 ?33 ?34

指定pandas對象作為NumPy函數(shù)的參數(shù)

可以將Pandas對象指定為NumPy函數(shù)的參數(shù)。

元素的應用

NumPy的通用函數(shù)(ufunc:應用于數(shù)組元素的函數(shù))適用于pandas對象的每個元素。

絕對值(fabs()),平方根(sqrt()),log(log())等。

print(np.sqrt(df))
#           a         b         c         d
# 0  3.316625  3.464102  3.605551  3.741657
# 1  4.582576  4.690416  4.795832  4.898979
# 2  5.567764  5.656854  5.744563  5.830952

行/列的應用

如果將pandas對象指定為從NumPy數(shù)組的所有元素計算值的函數(shù)的參數(shù),則默認情況下它將應用于pandas對象的每列。如果參數(shù)軸= 1,則將其應用于每行。

最大值(amax()),最小值(amin()),平均值(mean())等。

print(np.amax(df))
# a ? ?31
# b ? ?32
# c ? ?33
# d ? ?34
# dtype: int64

print(np.mean(df, axis=1))
# 0 ? ?12.5
# 1 ? ?22.5
# 2 ? ?32.5
# dtype: float64

pandas.DataFrame,pandas.Series方法

最大值,最小值,平均值,方差等也被準備為Pandas對象的方法,因此也可以直接使用它們。

同樣,在這種情況下,默認情況下也會將其應用于每一列,并且如果參數(shù)axis = 1,則會將其應用于每一行。

print(df.max())
# a ? ?31
# b ? ?32
# c ? ?33
# d ? ?34
# dtype: int64

print(df.max(axis=1))
# 0 ? ?14
# 1 ? ?24
# 2 ? ?34
# dtype: int64

Pandas對象方法的函數(shù)應用

可以使用pandas對象方法將函數(shù)應用于元素,行和列。您可以應用Python內置函數(shù)或您定義的函數(shù)。

  • 應用于Series的每個元素:map(),apply()
  • 應用于DataFrame的每個元素:applymap()
  • 應用于DataFrame的每行和每列:apply()
  • 應用于DataFrame的特定行/列元素

以上方法都返回一個新的已處理的對象,而原始對象則保持不變。沒有像dropna()或fillna()那樣的參數(shù),因此,如果想更改原始對象本身時,

df = df.applymap(function)

如上,用原始對象替換新對象并覆蓋它。

適用于Series的每個元素:map(),apply()

將Python內置函數(shù),匿名函數(shù)(lambda)或def定義的函數(shù)傳遞給map()或apply()的參數(shù)。

s = df['a']
print(s)
# 0 ? ?11
# 1 ? ?21
# 2 ? ?31
# Name: a, dtype: int64

f_brackets = lambda x: '[{}]'.format(x)
print(s.map(f_brackets))
# 0 ? ?[11]
# 1 ? ?[21]
# 2 ? ?[31]
# Name: a, dtype: object

def f_str(x):
? ? return str(x).replace('1', 'One').replace('2', 'Two').replace('3', 'Three').replace('4', 'Four')

print(s.map(f_str))
# 0 ? ? ?OneOne
# 1 ? ? ?TwoOne
# 2 ? ?ThreeOne
# Name: a, dtype: object

對于map(),如果將字典dict指定為參數(shù),它將替換為元素。

應用于DataFrame的每個元素:applymap()

將Python的內置函數(shù),匿名函數(shù)(lambda)或def定義的函數(shù)傳遞為applymap()的參數(shù)。

f_oddeven = lambda x: 'odd' if x % 2 == 1 else 'even'
print(df.applymap(f_oddeven))
#      a     b    c     d
# 0  odd  even  odd  even
# 1  odd  even  odd  even
# 2  odd  even  odd  even

應用于DataFrame的每行和每列:apply()

將適用于一維數(shù)組的函數(shù)傳遞給apply()的參數(shù)。默認情況下,它應用于每列,如果axis = 1,則應用于每行。

f_maxmin = lambda x: max(x) - min(x)
print(df.apply(f_maxmin))
# a ? ?20
# b ? ?20
# c ? ?20
# d ? ?20
# dtype: int64

print(df.apply(f_maxmin, axis=1))
# 0 ? ?3
# 1 ? ?3
# 2 ? ?3
# dtype: int64

應用于DataFrame的特定行/列元素

由于沒有方法僅將功能應用于DataFrame的特定行/列元素,可執(zhí)行以下方法。

  • 選擇行/列并應用帶有map()或apply()的功能
  • 覆蓋原始行/列
df['b'] = df['b'].map(f_str)
print(df)
# ? ? a ? ? ? ? b ? c ? d
# 0 ?11 ? ?OneTwo ?13 ?14
# 1 ?21 ? ?TwoTwo ?23 ?24
# 2 ?31 ?ThreeTwo ?33 ?34

df.iloc[2] = df.iloc[2].map(f_str)
print(df)
# ? ? ? ? ? a ? ? ? ? b ? ? ? ? ? c ? ? ? ? ?d
# 0 ? ? ? ?11 ? ?OneTwo ? ? ? ? ?13 ? ? ? ? 14
# 1 ? ? ? ?21 ? ?TwoTwo ? ? ? ? ?23 ? ? ? ? 24
# 2 ?ThreeOne ?ThreeTwo ?ThreeThree ?ThreeFour

到此這篇關于Pandas中map(),applymap(),apply()函數(shù)的使用方法的文章就介紹到這了,更多相關Pandas map(),applymap(),apply()內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

  • 對python字典過濾條件的實例詳解

    對python字典過濾條件的實例詳解

    今天小編就為大家分享一篇對python字典過濾條件的實例詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-01-01
  • 在PyTorch中自定義fit()函數(shù)中的操作代碼

    在PyTorch中自定義fit()函數(shù)中的操作代碼

    當在進行有監(jiān)督學習時,我們可以使用fit()函數(shù)對模型進行訓練,通過迭代優(yōu)化模型的參數(shù),使其能夠更好地擬合訓練數(shù)據(jù),本文給大家介紹了在PyTorch中自定義fit()函數(shù)中的操作代碼,感興趣的同學可以跟著小編一起來看看
    2024-05-05
  • Python繪圖實現(xiàn)顯示中文

    Python繪圖實現(xiàn)顯示中文

    今天小編就為大家分享一篇Python繪圖實現(xiàn)顯示中文,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-12-12
  • 解決pycharm 工具欄Tool中找不到Run manager.py Task的問題

    解決pycharm 工具欄Tool中找不到Run manager.py Task的問題

    今天小編就為大家分享一篇解決pycharm 工具欄Tool中找不到Run manager.py Task的問題,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-07-07
  • 詳解Python中使用base64模塊來處理base64編碼的方法

    詳解Python中使用base64模塊來處理base64編碼的方法

    8bit的bytecode經常會被用base64編碼格式保存,Python中自帶base64模塊對base64提供支持,這里我們就來詳解Python中使用base64模塊來處理base64編碼的方法,需要的朋友可以參考下
    2016-07-07
  • 解決pyinstaller打包運行程序時出現(xiàn)缺少plotly庫問題

    解決pyinstaller打包運行程序時出現(xiàn)缺少plotly庫問題

    這篇文章主要介紹了解決pyinstaller打包運行程序時出現(xiàn)缺少plotly庫問題,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2020-06-06
  • 如何在python中寫hive腳本

    如何在python中寫hive腳本

    這篇文章主要介紹了如何在python中寫hive腳本,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2019-11-11
  • 單步調試 step into/step out/step over 區(qū)別說明

    單步調試 step into/step out/step over 區(qū)

    這篇文章主要介紹了單步調試 step into/step out/step over 區(qū)別說明,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2022-11-11
  • 使用python3調用wxpy模塊監(jiān)控linux日志并定時發(fā)送消息給群組或好友

    使用python3調用wxpy模塊監(jiān)控linux日志并定時發(fā)送消息給群組或好友

    這篇文章主要介紹了使用python3調用wxpy模塊,監(jiān)控linux日志并定時發(fā)送消息給群組或好友,本文通過實例代碼給大家介紹的非常詳細,具有一定的參考借鑒價值,需要的朋友可以參考下
    2019-06-06
  • Python之requests高級用法詳解

    Python之requests高級用法詳解

    這篇文章主要介紹了Python之requests高級用法詳解,http協(xié)議是無狀態(tài)的,?服務器無法區(qū)分多個請求是否來自同一個人,因此需要用cookie來進行標識,一般如果需要登錄才能訪問的網(wǎng)站就需要發(fā)送cookie信息,需要的朋友可以參考下
    2023-10-10

最新評論