Pandas三大利器-map、apply、applymap

发布时间:2023-01-18 12:30

实际工作中,我们在利用 pandas进行数据处理的时候,经常会对数据框中的单行、多行(列也适用)甚至是整个数据进行某种相同方式的处理,比如将数据中的 sex字段将 男替换成1,女替换成0

在这个时候,很容易想到的是 for循环。用 for循环是一种很简单、直接的方式,但是运行效率很低。本文中介绍了 pandas中的三大利器: map、apply、applymap 来解决上述同样的需求。

map

apply

applymap

模拟数据

通过一个模拟的数据来说明3个函数的使用,在这个例子中学会了如何生成各种模拟数据。数据如下:

import pandas as pd

import numpy as np



boolean = [True, False]

gender = ["男","女"]

color = ["white","black","red"]



# 好好学习如何生成模拟数据:非常棒的例子

# 学会使用random模块中的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()

Pandas三大利器-map、apply、applymap_第1张图片

map

demo

map() 会根据提供的函数对指定序列做映射。

第一个参数 function 以参数序列中的每一个元素调用 function 函数,返回包含每次 function 函数返回值的新列表

map(function, iterable)

Pandas三大利器-map、apply、applymap_第2张图片
实际数据

将gender中男变成1,女变成0

# 方式1:通过字典映射实现

dic = {"男":1, "女":0}  # 通过字典映射

df1 = df.copy()   # 副本,不破坏原来的数据df

df1["gender"] = df1["gender"].map(dic)

df1



# 方式2:通过函数实现

def map_gender(x):

    gender = 1 if x == "男" else 0

    return gender



df2 = df.copy()

# 将df["gender"]这个S型数据中的每个数值传进去

df2["gender"] = df2["gender"].map(map_gender)

df2

Pandas三大利器-map、apply、applymap_第3张图片

apply

apply方法的作用原理和 map方法类似,区别在于 apply能够传入功能更为复杂的函数,可以说 applymap的高级版

pandas 的 apply() 函数可以作用于 Series 或者整个 DataFrame,功能也是自动遍历整个 Series 或者 DataFrame, 对每一个元素运行指定的函数。

DataFrame对象的大多数方法中,都会有 axis这个参数,它控制了你指定的操作是沿着0轴还是1轴进行。 axis=0代表操作对 列columns进行, axis=1代表操作对 行row进行

demo

上面的数据中将age字段的值都减去3,即加上-3

def apply_age(x,bias):

    return x + bias



df4 = df.copy()

# df4["age"]当做第一个值传给apply_age函数,args是第二个参数

df4["age"] = df4["age"].apply(apply_age,args=(-3,))

Pandas三大利器-map、apply、applymap_第4张图片
1.计算BMI指数

# 实现计算BMI指数:体重/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现在就相当于BMI函数中的参数x;axis=1表示在列上操作

df5

Pandas三大利器-map、apply、applymap_第5张图片
DataFrame型数据的 apply操作总结:

1.当 axis=0时,对 每列columns执行指定函数;当 axis=1时,对 每行row执行指定函数。

2.无论 axis=0还是 axis=1,其传入指定函数的默认形式均为 Series,可以通过设置 raw=True传入 numpy数组。

3.对每个Series执行结果后,会将结果整合在一起返回(若想有返回值,定义函数时需要 return相应的值)

apply实现需求

通过apply方法实现上面的性别转换需求。apply方法中传进来的第一个参数一定是函数

Pandas三大利器-map、apply、applymap_第6张图片

applymap

DF数据加1

applymap函数用于对DF型数据中的每个元素执行相同的函数操作,比如下面的加1:

Pandas三大利器-map、apply、applymap_第7张图片
保留2位有效数字

Pandas三大利器-map、apply、applymap_第8张图片

推荐阅读:

睡在我上铺的室友用python,一个月挣了我一学期的生活费

ItVuer - 免责声明 - 关于我们 - 联系我们

本网站信息来源于互联网,如有侵权请联系:561261067@qq.com

桂ICP备16001015号