Pandas中的寶藏函數(shù)-map
pandas中的map類似于Python內(nèi)建的map()方法，pandas中的map()方法將函數(shù)、字典索引或是一些需要接受單個輸入值的特別的對象與對應(yīng)的單個列的每一個元素建立聯(lián)系并串行得到結(jié)果。
這里我們想要得到gender列的F、M轉(zhuǎn)換為女性、男性的新列，可以有以下幾種實現(xiàn)方式
先構(gòu)造一個數(shù)據(jù)集
map()函數(shù)可以用于Series對象或DataFrame對象的一列，接收函數(shù)作為或字典對象作為參數(shù)，返回經(jīng)過函數(shù)或字典映射處理后的值。
用法：Series.map(arg, na_action=None)
參數(shù)：
arg : function, dict, or Series
Mapping correspondence.
na_action : {None, ‘ignore’}, default None
If ‘ignore’, propagate NaN values, without passing them to the mapping
correspondence.
返回：Pandas Series with same as index as caller
官方：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.map.html
首先構(gòu)建一個數(shù)據(jù)集，下面進(jìn)行案例應(yīng)用
data = pd.DataFrame({"name":['Jack', 'Alice', 'Lily', 'Mshis', 'Gdli', 'Agosh', 'Filu', 'Mack', 'Lucy', 'Pony'],"gender":['F', 'M', 'F', 'F', 'M', 'F', 'M', 'M', 'F', 'F'],"age":[25, 34, 49, 42, 28, 23, 45, 21, 34, 29]})dataname gender age0 Jack F 251 Alice M 342 Lily F 493 Mshis F 424 Gdli M 285 Agosh F 236 Filu M 457 Mack M 218 Lucy F 349 Pony F 29
1 字典映射
這里我們編寫F、M與女性、男性之間一一映射的字典，再利用map()方法來得到映射列：
#定義F->女性，M->男性的映射字典= {'F': '女性', 'M': '男性'}#利用map()方法得到對應(yīng)gender列的映射列data.gender.map(gender2xb)0 女性1 男性2 女性3 女性4 男性5 女性6 男性7 男性8 女性9 女性
2 lambda函數(shù)
這里我們向map()中傳入lambda函數(shù)來實現(xiàn)所需功能：
#因為已經(jīng)知道數(shù)據(jù)gender列性別中只有F和M所以編寫如下lambda函數(shù)
x:'女性' if x == 'F' else '男性')0 女性1 男性2 女性3 女性4 男性5 女性6 男性7 男性8 女性9 女性#年齡的平方x: x**2)0 6251 11562 24013 17644 7845 5296 20257 4418 11569 84
3 常規(guī)函數(shù)
map函數(shù)，也可以傳入通過def定義的常規(guī)函數(shù)，看看下面的案例
#性別轉(zhuǎn)換def gender_to_xb(x):return '女性' if x == 'F' else '男性'data.gender.map(gender_to_xb)0 女性1 男性2 女性3 女性4 男性5 女性6 男性7 男性8 女性9 女性
4 特殊對象
map()可以傳入的內(nèi)容有時候可以很特殊，如下面的例子：一些接收單個輸入值且有輸出的對象也可以用map()方法來處理：
data.gender.map("This kid's gender is {}".format)0 This kid's gender is F1 This kid's gender is M2 This kid's gender is F3 This kid's gender is F4 This kid's gender is M5 This kid's gender is F6 This kid's gender is M7 This kid's gender is M8 This kid's gender is F9 This kid's gender is F
map()中的參數(shù)na_action，類似R中的na.action，取值為None或ingore，用于控制遇到缺失值的處理方式，設(shè)置為ingore時串行運(yùn)算過程中將忽略Nan值原樣返回。
s = pd.Series(['cat', 'dog', np.nan, 'rabbit'])s0 cat1 dog2 NaN3 rabbit
na_action為默認(rèn)值的情況
am a {}'.format)0 I am a cat1 I am a dog2 I am a nan3 I am a rabbit
na_action為ignore的情況
am a {}'.format, na_action='ignore')0 I am a cat1 I am a dog2 NaN3 I am a rabbit
↓掃描關(guān)注本號↓