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(lái)解決上述同樣的需求。

• map
• apply
• applymap

模擬數(shù)據(jù)

通過(guò)一個(gè)模擬的數(shù)據(jù)來(lái)說(shuō)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()

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

# 方式2：通過(guò)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

2、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(shuō) 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

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,))

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(wú)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(guò)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(guò)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(lái)的第一個(gè)參數(shù)一定是函數(shù)

3、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