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

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！

您可能感興趣的文章: