日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

Pandas中map(),applymap(),apply()函數的使用方法_python

作者：餃子大人 ? 更新時間： 2023-05-31 編程語言

將函數應用于pandas對象（pandas.DataFrame，pandas.Series）時，根據所應用的函數類型以及是否將其應用于元素，行或列，使用的方法會有所不同。

指定pandas對象作為NumPy函數的參數

  • 將Pandas對象指定為函數參數
  • 是否將其應用于元素，行或列取決于函數的類型和參數的設置而有所不同
  • Pandas對象中的一些方法

Pandas對象方法的函數應用
元素功能（標量值）

  • 適用于Series的每個元素：map（），apply（）
  • 應用于DataFrame的每個元素：applymap（）

行和列的功能（一維數組）

  • 應用于DataFrame的每行和每列：apply（）

用以下csv文件作為示例進行說明。

a,b,c,d
11,12,13,14
21,22,23,24
31,32,33,34

import pandas as pd
import numpy as np

df = pd.read_csv('./data/06/sample_header.csv')
print(df)
# ? ? a ? b ? c ? d
# 0 ?11 ?12 ?13 ?14
# 1 ?21 ?22 ?23 ?24
# 2 ?31 ?32 ?33 ?34

指定pandas對象作為NumPy函數的參數

可以將Pandas對象指定為NumPy函數的參數。

元素的應用

NumPy的通用函數（ufunc：應用于數組元素的函數）適用于pandas對象的每個元素。

絕對值（fabs（）），平方根（sqrt（）），log（log（））等。

print(np.sqrt(df))
#           a         b         c         d
# 0  3.316625  3.464102  3.605551  3.741657
# 1  4.582576  4.690416  4.795832  4.898979
# 2  5.567764  5.656854  5.744563  5.830952

行/列的應用

如果將pandas對象指定為從NumPy數組的所有元素計算值的函數的參數，則默認情況下它將應用于pandas對象的每列。如果參數軸= 1，則將其應用于每行。

最大值（amax（）），最小值（amin（）），平均值（mean（））等。

print(np.amax(df))
# a ? ?31
# b ? ?32
# c ? ?33
# d ? ?34
# dtype: int64

print(np.mean(df, axis=1))
# 0 ? ?12.5
# 1 ? ?22.5
# 2 ? ?32.5
# dtype: float64

pandas.DataFrame，pandas.Series方法

最大值，最小值，平均值，方差等也被準備為Pandas對象的方法，因此也可以直接使用它們。

同樣，在這種情況下，默認情況下也會將其應用于每一列，并且如果參數axis = 1，則會將其應用于每一行。

print(df.max())
# a ? ?31
# b ? ?32
# c ? ?33
# d ? ?34
# dtype: int64

print(df.max(axis=1))
# 0 ? ?14
# 1 ? ?24
# 2 ? ?34
# dtype: int64

Pandas對象方法的函數應用

可以使用pandas對象方法將函數應用于元素，行和列。您可以應用Python內置函數或您定義的函數。

  • 應用于Series的每個元素：map（），apply（）
  • 應用于DataFrame的每個元素：applymap（）
  • 應用于DataFrame的每行和每列：apply（）
  • 應用于DataFrame的特定行/列元素

以上方法都返回一個新的已處理的對象，而原始對象則保持不變。沒有像dropna（）或fillna（）那樣的參數，因此，如果想更改原始對象本身時，

df = df.applymap(function)

如上，用原始對象替換新對象并覆蓋它。

適用于Series的每個元素：map（），apply（）

將Python內置函數，匿名函數（lambda）或def定義的函數傳遞給map（）或apply（）的參數。

s = df['a']
print(s)
# 0 ? ?11
# 1 ? ?21
# 2 ? ?31
# Name: a, dtype: int64

f_brackets = lambda x: '[{}]'.format(x)
print(s.map(f_brackets))
# 0 ? ?[11]
# 1 ? ?[21]
# 2 ? ?[31]
# Name: a, dtype: object

def f_str(x):
? ? return str(x).replace('1', 'One').replace('2', 'Two').replace('3', 'Three').replace('4', 'Four')

print(s.map(f_str))
# 0 ? ? ?OneOne
# 1 ? ? ?TwoOne
# 2 ? ?ThreeOne
# Name: a, dtype: object

對于map（），如果將字典dict指定為參數，它將替換為元素。

應用于DataFrame的每個元素：applymap（）

將Python的內置函數，匿名函數（lambda）或def定義的函數傳遞為applymap（）的參數。

f_oddeven = lambda x: 'odd' if x % 2 == 1 else 'even'
print(df.applymap(f_oddeven))
#      a     b    c     d
# 0  odd  even  odd  even
# 1  odd  even  odd  even
# 2  odd  even  odd  even

應用于DataFrame的每行和每列：apply（）

將適用于一維數組的函數傳遞給apply（）的參數。默認情況下，它應用于每列，如果axis = 1，則應用于每行。

f_maxmin = lambda x: max(x) - min(x)
print(df.apply(f_maxmin))
# a ? ?20
# b ? ?20
# c ? ?20
# d ? ?20
# dtype: int64

print(df.apply(f_maxmin, axis=1))
# 0 ? ?3
# 1 ? ?3
# 2 ? ?3
# dtype: int64

應用于DataFrame的特定行/列元素

由于沒有方法僅將功能應用于DataFrame的特定行/列元素，可執行以下方法。

  • 選擇行/列并應用帶有map（）或apply（）的功能
  • 覆蓋原始行/列
df['b'] = df['b'].map(f_str)
print(df)
# ? ? a ? ? ? ? b ? c ? d
# 0 ?11 ? ?OneTwo ?13 ?14
# 1 ?21 ? ?TwoTwo ?23 ?24
# 2 ?31 ?ThreeTwo ?33 ?34

df.iloc[2] = df.iloc[2].map(f_str)
print(df)
# ? ? ? ? ? a ? ? ? ? b ? ? ? ? ? c ? ? ? ? ?d
# 0 ? ? ? ?11 ? ?OneTwo ? ? ? ? ?13 ? ? ? ? 14
# 1 ? ? ? ?21 ? ?TwoTwo ? ? ? ? ?23 ? ? ? ? 24
# 2 ?ThreeOne ?ThreeTwo ?ThreeThree ?ThreeFour

原文鏈接：https://blog.csdn.net/qq_18351157/article/details/105185224

  • 上一篇：沒有了
  • 下一篇：沒有了
欄目分類
最近更新