蜜桃在线视频精品,人人操av,av搬运一区二区三区在线观看 ,精品av国产,伊人国产综合视频在线,九九九精品视频,五月天成人性爱,浅井舞香AV一二三区

◆?◆?◆ ?◆?◆

前言

pandas作為數(shù)據(jù)處理與分析的利器，它的江湖地位非同小可。在我們數(shù)據(jù)處理與分析過程中，有時(shí)候需要對某一列的每一個(gè)值都進(jìn)行處理，這時(shí)候推薦大家使用apply或者map。

但是，二者又有啥區(qū)別呢？一起來通過幾個(gè)小例子學(xué)習(xí)一下吧。

APPLY

一、直接使用內(nèi)置函數(shù)或者numpy函數(shù)

# 數(shù)據(jù)展示>>> dfOut[1]:    姓名  年齡0   alan  191  black  152   cici  233  david  224   eric  18
#?計(jì)算字符長度>>> df['姓名'].apply(len)Out[2]:?0    41    52    43    54    4Name: 姓名, dtype: int64
# 計(jì)算平方>>> df['年齡'].apply(np.square)Out[3]:?0    3611    2252    5293    4844    324Name: 年齡, dtype: int64

二、使用lambda匿名函數(shù)

#?根據(jù)年齡打標(biāo)簽：是否成年>>> df['年齡'].apply(lambda?x:?'已成年'?if?x>=18?else?'未成年')Out[4]:?0    已成年1    未成年2    已成年3    已成年4    已成年Name: 年齡, dtype: object
#?修改姓名為首字母大寫>>> df['姓名'].apply(lambda?x:?x.title())Out[5]:?0     Alan1    Black2     Cici3    David4     EricName: 姓名, dtype: object

三、使用def自定義函數(shù)

# 自定義函數(shù)def fn(x):    if x >=18:        return '成年人'    else:        return '未成年'
# 自定義函數(shù)作為apply參數(shù)??????>>> df['年齡'].apply(fn)Out[6]:?0    成年人1    未成年2    成年人3    成年人4    成年人Name: 年齡, dtype: object

需要注意的是，apply不僅可以用于Series，還可用于DataFrame，具體可以根據(jù)自己的業(yè)務(wù)需要，及數(shù)據(jù)處理規(guī)范來使用即可。

MAP

一、直接使用內(nèi)置函數(shù)或者numpy函數(shù)

# 計(jì)算字符長度>>> df['姓名'].map(len)Out[7]:?0    41    52    43    54    4Name: 姓名, dtype: int64
# 計(jì)算平方>>> df['年齡'].map(np.square)Out[8]:?0    3611    2252    5293    4844    324Name: 年齡, dtype: int64

二、使用lambda匿名函數(shù)

# 根據(jù)年齡打標(biāo)簽：是否成年>>>?df['年齡'].map(lambda?x:?'已成年'?if?x>=18?else?'未成年')Out[9]:?0    已成年1    未成年2    已成年3    已成年4    已成年Name: 年齡, dtype: object
# 修改姓名為首字母大寫>>>?df['姓名'].map(lambda?x:?x.title())Out[10]:?0     Alan1    Black2     Cici3    David4     EricName: 姓名, dtype: object

三、使用def自定義函數(shù)

#?自定義函數(shù)作為map參數(shù)??????>>> df['年齡'].map(fn)Out[11]:?0    成年人1    未成年2    成年人3    成年人4    成年人Name: 年齡, dtype: object

四、使用dict作為map參數(shù)

# apply沒有這種功能！>>> df['姓名'].map({'alan':'女','black':'男','cici':'女','david':'男','eric':'男'})Out[12]:?0    女1    男2    女3    男4    男Name: 姓名, dtype: object

通過上面的小例子講解，我們可以得出以下結(jié)論：

（1）map、apply在用于Series時(shí)，對每一個(gè)值進(jìn)行處理，兩者并沒有什么區(qū)別。（是否受數(shù)據(jù)量影響可以自行驗(yàn)證）

（2）apply不僅可以用于Series，還可以用于DataFrame；而map只能用于Series。

（3）一般情況下，apply應(yīng)用更廣泛，尤其是自定義函數(shù)帶多個(gè)參數(shù)時(shí)，建議使用apply。

記得點(diǎn)在看~祝大家一夜暴富，基金、股票一片紅~

“在看”的永遠(yuǎn)18歲~

pandas中apply與map的異同