怎樣使用Pandas的map和apply函數(shù)？

數(shù)據(jù)轉(zhuǎn)換函數(shù)對比：map、apply、applymap：

1.  map：只用于Series，實現(xiàn)每個值->值的映射；

2. apply：用于Series實現(xiàn)每個值的處理，用于Dataframe實現(xiàn)某個軸的Series的處理；

3. applymap：只能用于DataFrame，用于處理該DataFrame的每個元素；

1. map用于Series值的轉(zhuǎn)換

實例：將股票代碼英文轉(zhuǎn)換成中文名字

Series.map(dict) or Series.map(function)均可

import pandas as pd
stocks = pd.read_excel('./datas/stocks/互聯(lián)網(wǎng)公司股票.xlsx')
stocks.head()

stocks["公司"].unique()

array(['BIDU', 'BABA', 'IQ', 'JD'], dtype=object)

# 公司股票代碼到中文的映射，注意這里是小寫
dict_company_names = {
    "bidu": "百度",
    "baba": "阿里巴巴",
    "iq": "愛奇藝", 
    "jd": "京東"
}

方法1：Series.map(dict)

stocks["公司中文1"] = stocks["公司"].str.lower().map(dict_company_names)

stocks.head()

方法2：Series.map(function)

function的參數(shù)是Series的每個元素的值

stocks["公司中文2"] = stocks["公司"].map(lambda x : dict_company_names[x.lower()])

stocks.head()

2. apply用于Series和DataFrame的轉(zhuǎn)換

• Series.apply(function), 函數(shù)的參數(shù)是每個值

• DataFrame.apply(function), 函數(shù)的參數(shù)是Series

Series.apply(function)

function的參數(shù)是Series的每個值

stocks["公司中文3"] = stocks["公司"].apply(
    lambda x : dict_company_names[x.lower()])

stocks.head()

DataFrame.apply(function)

function的參數(shù)是對應軸的Series

stocks["公司中文4"] = stocks.apply(
    lambda x : dict_company_names[x["公司"].lower()], 
    axis=1)

注意這個代碼：
1、apply是在stocks這個DataFrame上調(diào)用；
2、lambda x的x是一個Series，因為指定了axis=1所以Seires的key是列名，可以用x[‘公司’]獲取

stocks.head()

3. applymap用于DataFrame所有值的轉(zhuǎn)換

sub_df = stocks[['收盤', '開盤', '高', '低', '交易量']]

sub_df.head()

# 將這些數(shù)字取整數(shù)，應用于所有元素
sub_df.applymap(lambda x : int(x))

# 直接修改原df的這幾列
stocks.loc[:, ['收盤', '開盤', '高', '低', '交易量']] = sub_df.applymap(lambda x : int(x))

stocks.head()