pandas中apply与map的异同
统计与数据分析实战
共 2115字,需浏览 5分钟
·
2020-09-01 05:58
◆ ◆ ◆ ◆ ◆
pandas作为数据处理与分析的利器,它的江湖地位非同小可。在我们数据处理与分析过程中,有时候需要对某一列的每一个值都进行处理,这时候推荐大家使用apply或者map。
一、直接使用内置函数或者numpy函数
# 数据展示
df
:
年龄
0 alan 19
1 black 15
2 cici 23
3 david 22
4 eric 18
# 计算字符长度
df['姓名'].apply(len)
:
0 4
1 5
2 4
3 5
4 4
Name: 姓名, dtype: int64
# 计算平方
df['年龄'].apply(np.square)
:
0 361
1 225
2 529
3 484
4 324
Name: 年龄, dtype: int64
二、使用lambda匿名函数
>>> df['年龄'].apply(lambda x: '已成年' if x>=18 else '未成年')
Out[4]:
0 已成年
1 未成年
2 已成年
3 已成年
4 已成年
Name: 年龄, dtype: object
>>> df['姓名'].apply(lambda x: x.title())
Out[5]:
0 Alan
1 Black
2 Cici
3 David
4 Eric
Name: 姓名, dtype: object
# 自定义函数
def fn(x):
if x >=18:
return '成年人'
else:
return '未成年'
# 自定义函数作为apply参数
df['年龄'].apply(fn)
:
0 成年人
1 未成年
2 成年人
3 成年人
4 成年人
Name: 年龄, dtype: object
# 计算字符长度
df['姓名'].map(len)
:
0 4
1 5
2 4
3 5
4 4
Name: 姓名, dtype: int64
# 计算平方
df['年龄'].map(np.square)
:
0 361
1 225
2 529
3 484
4 324
Name: 年龄, dtype: int64
# 根据年龄打标签:是否成年
>>> df['年龄'].map(lambda x: '已成年' if x>=18 else '未成年')
Out[9]:
0 已成年
1 未成年
2 已成年
3 已成年
4 已成年
Name: 年龄, dtype: object
# 修改姓名为首字母大写
>>> df['姓名'].map(lambda x: x.title())
Out[10]:
0 Alan
1 Black
2 Cici
3 David
4 Eric
Name: 姓名, dtype: object
三、使用def自定义函数
# 自定义函数作为map参数
df['年龄'].map(fn)
:
0 成年人
1 未成年
2 成年人
3 成年人
4 成年人
Name: 年龄, dtype: object
四、使用dict作为map参数
# apply没有这种功能!
>>> df['姓名'].map({'alan':'女','black':'男','cici':'女','david':'男','eric':'男'})
Out[12]:
0 女
1 男
2 女
3 男
4 男
Name: 姓名, dtype: object
记得点在看~祝大家一夜暴富,基金、股票一片红~
评论