詳解pandas映射與數據轉換

Posted on by

在 pandas 中提供瞭利用映射關系來實現某些操作的函數，具體如下：

  • replace() 函數：替換元素；
  • map() 函數：新建一列；
  • rename() 函數：替換索引。

一、replace() 用映射替換元素

在數據處理時，經常會遇到需要將數據結構中原來的元素根據實際需求替換成新元素的情況。要想用新元素替換原來元素，就需要定義一組映射關系。在映射關系中，將舊元素作為鍵，新元素作為值。

例如，創建字典 fruits 用於指明水果標識和水果名稱的映射關系。

fruits={101:'orange',102:'apple',103:'banana'}

如要將用於存儲水果標識、水果數量和單價的 DataFrame 對象中的水果標識替換成水果名稱，就需要運用 replace() 函數，通過 fruits 映射關系來實現元素的替換。

replace() 函數的基本語法格式如下：

obj.replace(to_replace=None,value=None,inplace=False,limit=None,regex=
False,method='pad')

函數中的參數說明如下：

  • obj：DataFrame 或 Series 對象；
  • to_replace：接收 str、regex、list、dict、Series、int、float 或者 None，表示將被替換的值；
  • value：接收標量、字典、列表、str、正則表達式，默認為 None；用於替換與 to_replace 匹配的任何值的值；對於 DataFrame，可以使用值的 dict 來指定每列使用哪個值（不在 dict 中的列將不會被填充）；還允許使用正則表達式、字符串和列表或這些對象的 dict；
  • inplace：接收佈爾值，默認為 False，如果是 True，將修改原來的數據；
  • limit：接收 int，默認為 None，用於限制填充次數；
  • regex：接收 bool 或與 to_replace 相同的類型，默認為 False，表示是否將 to_replace 或 value 解釋為正則表達式，如果是 True，那麼 to_replace 必須是一個字符串，當是正則表達式或正則表達式的列表、字典或數組時，to_replace 必須為 None；
  • method：取值為 {‘pad’，’ffill’，’bfill’，無}，表示替換時使用的方法，與缺失值填充方法類似，當 to_replace 是標量、列表或元組時，值為 None。

【例 1】利用 replace() 函數和映射關系實現將水果數據框中水果標識替換成水果名稱。
示例代碼 test1.py 如下：

import numpy as np
import pandas as pd
#創建水果標識與水果名稱的映射關系
fruits = {101:'orange',102:'apple',103:'banana'}
#創建水果數據框DataFrame
data = pd.DataFrame({'fru_No':[101,102,103]          ,'fru_Num':[1000,2000,3000]
          ,'price':[3.56,4.2,2.5]})
#用映射替換fru_No列的元素
newDf = data.replace(fruits)
print(newDf)
#輸出如下
 fru_No fru_Num price
0 orange  1000  3.56
1 apple  2000  4.20
2 banana  3000  2.50

replace() 函數應用的示例代碼 example1.py 如下：

import numpy as np
import pandas as pd
from pandas import Series,DataFrame
s = Series([-1000,-999,2,3,4,5,-2000])
#單數值替換
print(s.replace(-2000,np.nan))
0 -1000.0
1 -999.0
2 2.0
3 3.0
4 4.0
5 5.0
6 NaN

#將多個數值替換
print(s.replace([-1000,-999],0))
0 0
1 0
2 2
3 3
4 4
5 5
6 -2000

#不同的值進行不同的替換
print(s.replace([-1000,-999],[np.nan,0]))
0 NaN
1 0.0
2 2.0
3 3.0
4 4.0
5 5.0
6 -2000.0

#用字典方式進行不同的替換
print(s.replace({-1000:np.nan,-999:0,-2000:np.nan}))
0 NaN
1 0.0
2 2.0
3 3.0
4 4.0
5 5.0
6 NaN

二、用映射添加元素

   在【例 1】中介紹瞭利用函數和映射來實現將水果標識替換成水果名稱的方法。但是有時需要保留水果標識，將水果名稱添加到數據集中。

   那麼，這時可利用 map() 函數，通過構建 fruits 映射關系來實現元素的添加。

map() 函數是作用於 Series 或 DataFrame 對象的一列，它接收一個函數或表示映射關系的字典作為參數，它的基本語法格式如下：

Series.map(arg,na_action=None)

函數中的參數說明如下：

  • arg：接收 function、dict 或 Series，表示映射通信；
  • na_action：取值為{無，’忽略’}，默認值為 None，如果為’忽略’，則傳播 NA 值，而不將它們傳遞給映射對應關系。

【例 2】利用 map() 函數和映射關系實現將水果名稱添加到水果數據框中。
示例代碼 test2.py 如下：

import pandas as pd
#創建水果標識與水果名稱的映射關系
fruits = {101:'orange',102:'apple',103:'banana'}
#創建水果數據框DataFrame
data = pd.DataFrame({'fru_No':[101,102,103],'fru_Num':[1000,2000,3000],'price':
          [3.56,4.2,2.5]})
#用映射為data添加fru_name列元素
data['fru_name'] = data['fru_No'].map(fruits)
print(data)
 fru_No fru_Num price fru_name
0 101  1000  3.56 orange
1 102  2000  4.20 apple
2 103  3000  2.50 banana

三、重命名行/列索引

在數據處理中，有時需要使用映射關系轉換軸標簽。pandas 的 rename() 函數是以表示映射關系的字典對象作為參數，替換軸的索引標簽。
rename() 函數的基本語法格式如下：

DataFrame.rename(mapper=None,index=None,columns=None,axis=None,copy=True,
inplace=False,level=None)
或
Series.rename(index=None,**kwargs)

函數中的參數說明如下：

  • mapper、index、columns：接收 dict或 function，表示將 dict 或函數轉換為應用於該軸的值，使用 mapper 參數要指定映射器；使用 columns 參數可重命名各列；
  • axis：接收 int 或 str，可選，表示映射器定位的軸，可以是軸名稱（“index”，“columns”）或數字（0,1），默認為“index”；
  • copy：接收 boolean，默認為 True，表示是否復制數據；
  • inplace：接收 boolean，默認為 False，如果為 True，將會修改原來的數據；
  • level：接收 int 或 level name，默認為 None，如果是 MultiIndex，隻重命名指定級別中的標簽。

rename() 函數返回值是 DataFrame 或 Series。
【例 3】利用 rename() 函數和映射關系重命名水果數據框的行索引和列索引。
示例代碼 test3.py 如下：

import pandas as pd
#創建行索引的映射關系
reindex = {0:'row1',1:'row2',2:'row3'}
#創建水果數據框DataFrame
data = pd.DataFrame({'fru_No':[101,102,103],'fru_Num':[1000,2000,3000],'price':
          [3.56,4.2,2.5]})
 fru_No fru_Num price
0  101 1000  3.56
1  102 2000  4.20
2  103 3000  2.50

#用映射重命名水果數據框的行索引,產生新DataFrame，但原數據不改變
newDf = data.rename(reindex)
print(newDf)
  fru_No fru_Num price
row1 101  1000  3.56
row2 102  2000  4.20
row3 103  3000  2.50

#用映射重命名水果數據框的行索引,產生新DataFrame，但原數據改變
newDf = data.rename(reindex,inplace=True)
print(newDf) #newDf是None，data原數據改變
#創建列索引的映射關系
recolumns = {'fru_No':'col1','fru_Num':'col2','price':'col3'}
#用映射重命名水果數據框中的行索引和列索引
newDf = data.rename(index=reindex,columns=recolumns)
print(newDf)
  col1 col2 col3
row1 101 1000 3.56
row2 102 2000 4.20
row3 103 3000 2.50

#用映射重命名水果數據框的單個行索引和單個列索引
newDf = data.rename(index={'row2':'s1'},columns={'fru_No':'111'})
print(newDf)
   111 fru_Num price
row1 101 1000  3.56
s1  102 2000  4.20
row3 103 3000  2.50

註意：rename() 函數返回一個經過改動的新 DataFrame 對象，但原 DataFrame 對象仍保持不變，如果要改變調用函數的對象本身，可使用 inplace 選項，並將其值設置為 True。

以上就是詳解pandas映射與數據轉換的詳細內容，更多關於pandas映射與數據轉換的資料請關註WalkonNet其它相關文章！

推薦閱讀：