Pandas三大利器-map、apply、applymap

實(shí)際工作中，我們?cè)诶?pandas進(jìn)行數(shù)據(jù)處理的時(shí)候，經(jīng)常會(huì)對(duì)數(shù)據(jù)框中的單行、多行（列也適用）甚至是整個(gè)數(shù)據(jù)進(jìn)行某種相同方式的處理，比如將數(shù)據(jù)中的?sex字段將?男替換成1，女替換成0。

在這個(gè)時(shí)候，很容易想到的是?for循環(huán)。用?for循環(huán)是一種很簡(jiǎn)單、直接的方式，但是運(yùn)行效率很低。本文中介紹了?pandas中的三大利器：?map、apply、applymap?來解決上述同樣的需求。

• map

• apply

• applymap

—??01?—

模擬數(shù)據(jù)

通過一個(gè)模擬的數(shù)據(jù)來說明3個(gè)函數(shù)的使用，在這個(gè)例子中學(xué)會(huì)了如何生成各種模擬數(shù)據(jù)。數(shù)據(jù)如下：

import pandas as pd
import numpy as np

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

# 好好學(xué)習(xí)如何生成模擬數(shù)據(jù)：非常棒的例子
# 學(xué)會(huì)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()

—??02?—

map

demo

map()?會(huì)根據(jù)提供的函數(shù)對(duì)指定序列做映射。

第一個(gè)參數(shù) function 以參數(shù)序列中的每一個(gè)元素調(diào)用 function 函數(shù)，返回包含每次 function 函數(shù)返回值的新列表。

map(function, iterable)

實(shí)際數(shù)據(jù)

將gender中男變成1，女變成0

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

# 方式2：通過函數(shù)實(shí)現(xiàn)
def map_gender(x):
    gender = 1 if x == "男" else 0
    return gender

df2 = df.copy()
# 將df["gender"]這個(gè)S型數(shù)據(jù)中的每個(gè)數(shù)值傳進(jìn)去
df2["gender"] = df2["gender"].map(map_gender)
df2

—??03?—

apply

apply方法的作用原理和?map方法類似，區(qū)別在于?apply能夠傳入功能更為復(fù)雜的函數(shù)，可以說?apply是?map的高級(jí)版

pandas 的?apply()?函數(shù)可以作用于?Series?或者整個(gè)?DataFrame，功能也是自動(dòng)遍歷整個(gè)?Series?或者?DataFrame, 對(duì)每一個(gè)元素運(yùn)行指定的函數(shù)。

在?DataFrame對(duì)象的大多數(shù)方法中，都會(huì)有?axis這個(gè)參數(shù)，它控制了你指定的操作是沿著0軸還是1軸進(jìn)行。?axis=0代表操作對(duì)?列columns進(jìn)行，?axis=1代表操作對(duì)?行row進(jìn)行

demo

1. 上面的數(shù)據(jù)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(dāng)做第一個(gè)值傳給apply_age函數(shù)，args是第二個(gè)參數(shù)
df4["age"] = df4["age"].apply(apply_age,args=(-3,))

1. 計(jì)算BMI指數(shù)

# 實(shí)現(xiàn)計(jì)算BMI指數(shù)：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(xiàn)在就相當(dāng)于BMI函數(shù)中的參數(shù)x；axis=1表示在列上操作
df5

DataFrame型數(shù)據(jù)的?apply操作總結(jié)：

1. 當(dāng)?axis=0時(shí)，對(duì)?每列columns執(zhí)行指定函數(shù)；當(dāng)?axis=1時(shí)，對(duì)?每行row執(zhí)行指定函數(shù)。

2. 無論?axis=0還是?axis=1，其傳入指定函數(shù)的默認(rèn)形式均為?Series，可以通過設(shè)置?raw=True傳入?numpy數(shù)組。

3. 對(duì)每個(gè)Series執(zhí)行結(jié)果后，會(huì)將結(jié)果整合在一起返回（若想有返回值，定義函數(shù)時(shí)需要?return相應(yīng)的值）

apply實(shí)現(xiàn)需求

通過apply方法實(shí)現(xiàn)上面的性別轉(zhuǎn)換需求。apply方法中傳進(jìn)來的第一個(gè)參數(shù)一定是函數(shù)

—??04?—

applymap

DF數(shù)據(jù)加1

applymap函數(shù)用于對(duì)DF型數(shù)據(jù)中的每個(gè)元素執(zhí)行相同的函數(shù)操作，比如下面的加1：

保留2位有效數(shù)字

推薦閱讀:
入門:?最全的零基礎(chǔ)學(xué)Python的問題? |?零基礎(chǔ)學(xué)了8個(gè)月的Python??|?實(shí)戰(zhàn)項(xiàng)目?|學(xué)Python就是這條捷徑

干貨:爬取豆瓣短評(píng)，電影《后來的我們》?|?38年NBA最佳球員分析?|? ?從萬(wàn)眾期待到口碑撲街！唐探3令人失望? |?笑看新倚天屠龍記?|?燈謎答題王?｜用Python做個(gè)海量小姐姐素描圖?｜碟中諜這么火，我用機(jī)器學(xué)習(xí)做個(gè)迷你推薦系統(tǒng)電影

趣味:彈球游戲? |?九宮格? |?漂亮的花?|?兩百行Python《天天酷跑》游戲!

AI:?會(huì)做詩(shī)的機(jī)器人?|?給圖片上色?|?預(yù)測(cè)收入?|?碟中諜這么火，我用機(jī)器學(xué)習(xí)做個(gè)迷你推薦系統(tǒng)電影

小工具:?Pdf轉(zhuǎn)Word，輕松搞定表格和水??！?|?一鍵把html網(wǎng)頁(yè)保存為pdf！|??再見PDF提取收費(fèi)！?|?用90行代碼打造最強(qiáng)PDF轉(zhuǎn)換器，word、PPT、excel、markdown、html一鍵轉(zhuǎn)換?|?制作一款釘釘?shù)蛢r(jià)機(jī)票提示器！?｜60行代碼做了一個(gè)語(yǔ)音壁紙切換器天天看小姐姐！｜