詳解Pandas的三大利器(map,apply,applymap)

Posted on by

實際工作中，我們在利用 pandas進行數據處理的時候，經常會對數據框中的單行、多行（列也適用）甚至是整個數據進行某種相同方式的處理，比如將數據中的 sex字段將 男替換成1，女替換成0。

在這個時候，很容易想到的是 for循環。用 for循環是一種很簡單、直接的方式，但是運行效率很低。本文中介紹瞭 pandas中的三大利器： map、apply、applymap 來解決上述同樣的需求。

  • map
  • apply
  • applymap

模擬數據

通過一個模擬的數據來說明3個函數的使用，在這個例子中學會瞭如何生成各種模擬數據。數據如下：

import pandas as pd
import numpy as np

boolean = [True, False]
gender = ["男","女"]
color = ["white","black","red"]

# 好好學習如何生成模擬數據：非常棒的例子
# 學會使用random模塊中的randint方法

df = pd.DataFrame({"height":np.random.randint(160,190,100),
                     "weight":np.random.randint(60,90,100),
                     "smoker":[boolean[x] for x in np.random.randint(0,2,100)],
                     "gender":[gender[x] for x in np.random.randint(0,2,100)],
                     "age":np.random.randint(20,60,100),
                     "color":[color[x] for x in np.random.randint(0,len(color),100)]
                    })
df.head()

1、map

demo

map() 會根據提供的函數對指定序列做映射。

第一個參數 function 以參數序列中的每一個元素調用 function 函數，返回包含每次 function 函數返回值的新列表。

map(function, iterable)

實際數據

將gender中男變成1，女變成0

# 方式1：通過字典映射實現
dic = {"男":1, "女":0}  # 通過字典映射
df1 = df.copy()   # 副本，不破壞原來的數據df
df1["gender"] = df1["gender"].map(dic)
df1

# 方式2：通過函數實現
def map_gender(x):
    gender = 1 if x == "男" else 0
    return gender

df2 = df.copy()
# 將df["gender"]這個S型數據中的每個數值傳進去
df2["gender"] = df2["gender"].map(map_gender)
df2

2、apply

apply方法的作用原理和 map方法類似，區別在於 apply能夠傳入功能更為復雜的函數，可以說 apply是 map的高級版

pandas 的 apply() 函數可以作用於 Series 或者整個 DataFrame，功能也是自動遍歷整個 Series 或者 DataFrame, 對每一個元素運行指定的函數。

在 DataFrame對象的大多數方法中，都會有 axis這個參數，它控制瞭你指定的操作是沿著0軸還是1軸進行。 axis=0代表操作對 列columns進行， axis=1代表操作對 行row進行

demo

上面的數據中將age字段的值都減去3，即加上-3

def apply_age(x,bias):
    return x + bias

df4 = df.copy()
# df4["age"]當做第一個值傳給apply_age函數，args是第二個參數
df4["age"] = df4["age"].apply(apply_age,args=(-3,))

計算BMI指數

# 實現計算BMI指數：體重/身高的平方(kg/m^2)
def BMI(x):
    weight = x["weight"]
    height = x["height"] / 100
    BMI = weight / (height **2)

    return BMI

df5 = df.copy()
df5["BMI"] = df5.apply(BMI,axis=1)  # df5現在就相當於BMI函數中的參數x；axis=1表示在列上操作
df5

DataFrame型數據的 apply操作總結：

  1. 當 axis=0時，對 每列columns執行指定函數；當 axis=1時，對 每行row執行指定函數。
  2. 無論 axis=0還是 axis=1，其傳入指定函數的默認形式均為 Series，可以通過設置 raw=True傳入 numpy數組。
  3. 對每個Series執行結果後，會將結果整合在一起返回（若想有返回值，定義函數時需要 return相應的值）

apply實現需求

通過apply方法實現上面的性別轉換需求。apply方法中傳進來的第一個參數一定是函數

3、applymap

DF數據加1

applymap函數用於對DF型數據中的每個元素執行相同的函數操作，比如下面的加1：

保留2位有效數字

到此這篇關於詳解Pandas的三大利器(map,apply,applymap)的文章就介紹到這瞭,更多相關Pandas map apply applymap內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：