Pandas数据处理三板斧,你会几板?
作者:易执
来源:Python读数
在日常的数据处理中,经常会对一个DataFrame
进行逐行、逐列和逐元素的操作,对应这些操作,Pandas中的map
、apply
和applymap
可以解决绝大部分这样的数据处理需求。这篇文章就以案例附带图解的方式,为大家详细介绍一下这三个方法的实现原理,相信读完本文后,不论是小白还是Pandas的进阶学习者,都会对这三个方法有更深入的理解。本文演示的数据集是模拟生成的,想练手的可以按下方的代码生成。
boolean=[True,False]
gender=["男","女"]
color=["white","black","yellow"]
data=pd.DataFrame({
"height":np.random.randint(150,190,100),
"weight":np.random.randint(40,90,100),
"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(15,90,100),
"color":[color[x] for x in np.random.randint(0,len(color),100) ]
}
)
数据集如下所示,各列分别代表身高、体重、是否吸烟、性别、年龄和肤色。
Series数据处理
map
如果需要把数据集中gender
列的男替换为1,女替换为0,怎么做呢?绝对不是用for循环实现!!!使用Series.map()
可以很容易做到,最少仅需一行代码。
#①使用字典进行映射
data["gender"] = data["gender"].map({"男":1, "女":0})
#②使用函数
def gender_map(x):
gender = 1 if x == "男" else 0
return gender
#注意这里传入的是函数名,不带括号
data["gender"] = data["gender"].map(gender_map)
那map
在实际过程中是怎么运行的呢?请看下面的图解(为了方便展示,仅截取了前10条数据)
不论是利用字典还是函数进行映射,map
方法都是把对应的数据逐个当作参数传入到字典或函数中,得到映射后的值。
apply
同时Series对象还有apply
方法,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。怎么理解呢?一起看看下面的例子。
假设在数据统计的过程中,年龄age
列有较大误差,需要对其进行调整(加上或减去一个值),由于这个加上或减去的值未知,故在定义函数时,需要加多一个参数bias
,此时用map
方法是操作不了的(传入map
的函数只能接收一个参数),apply
方法则可以解决这个问题。
def apply_age(x,bias):
return x+bias
#以元组的方式传入额外的参数
data["age"] = data["age"].apply(apply_age,args=(-3,))
可以看到age列都减了3,当然,这里只是简单举了个例子,当需要进行复杂处理时,更能体现apply
的作用。
总而言之,对于Series而言,map
可以解决绝大多数的数据处理需求,但如果需要使用较为复杂的函数,则需要用到apply
方法。
DataFrame数据处理
apply
对DataFrame
而言,apply
是非常重要的数据处理方法,它可以接收各种各样的函数(Python内置的或自定义的),处理方式很灵活,下面通过几个例子来看看apply
的具体使用及其原理。
在进行具体介绍之前,首先需要介绍一下DataFrame
中axis
的概念,在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,如下图所示。
如果还不是很了解,没关系,下面会分别对apply
沿着0轴以及1轴的操作进行讲解,继续往下走。
假设现在需要对data
中的数值列分别进行取对数和求和的操作,这时可以用apply
进行相应的操作,因为是对列进行操作,所以需要指定axis=0
,使用下面的两行代码可以很轻松地解决我们的问题。
# 沿着0轴求和
data[["height","weight","age"]].apply(np.sum, axis=0)
# 沿着0轴取对数
data[["height","weight","age"]].apply(np.log, axis=0)
实现的方式很简单,但调用apply
时究竟发生了什么呢?过程是怎么实现的?还是通过图解的方式来一探究竟。(取前五条数据为例)
当沿着轴0(axis=0)
进行操作时,会将各列(columns
)默认以Series
的形式作为参数,传入到你指定的操作函数中,操作后合并并返回相应的结果。
那如果在实际使用中需要按行进行操作(axis=1
),那整个过程又是怎么实现的呢?
在数据集中,有身高和体重的数据,所以根据这个,我们可以计算每个人的BMI指数(体检时常用的指标,衡量人体肥胖程度和是否健康的重要标准),计算公式是:体重指数BMI=体重/身高的平方(国际单位kg/㎡)
,因为需要对每个样本进行操作,这里使用axis=1
的apply
进行操作,代码如下:
def BMI(series):
weight = series["weight"]
height = series["height"]/100
BMI = weight/height**2
return BMI
data["BMI"] = data.apply(BMI,axis=1)
还是用图解的方式来看看这个过程到底是怎么实现的(以前5条数据为例)。
当apply
设置了axis=1
对行进行操作时,会默认将每一行数据以Series
的形式(Series的索引为列名)传入指定函数,返回相应的结果。
总结一下对DataFrame
的apply
操作:
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。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
。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)当然,
DataFrame
的apply
和Series
的apply
一样,也能接收更复杂的函数,如传入参数等,实现原理是一样的,具体用法详见官方文档。
applymap
applymap
的用法比较简单,会对DataFrame
中的每个单元格执行指定函数的操作,虽然用途不如apply
广泛,但在某些场合下还是比较有用的,如下面这个例子。
为了演示的方便,新生成一个DataFrame
df = pd.DataFrame(
{
"A":np.random.randn(5),
"B":np.random.randn(5),
"C":np.random.randn(5),
"D":np.random.randn(5),
"E":np.random.randn(5),
}
)
df
现在想将DataFrame
中所有的值保留两位小数显示,使用applymap
可以很快达到你想要的目的,代码和图解如下:
df.applymap(lambda x:"%.2f" % x)
数据处理三板斧就介绍到这里,有问题欢迎下方留言板积极留言呀!
◆ ◆ ◆ ◆ ◆
长按二维码关注我们
数据森麟公众号的交流群已经建立,许多小伙伴已经加入其中,感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容,还没有加入的小伙伴可以扫描下方管理员二维码,进群前一定要关注公众号奥,关注后让管理员帮忙拉进群,期待大家的加入。
管理员二维码: