|
作者：Peter 出品：尤而小屋 Pandas三大利器-map、apply、applymap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。 
— 01 — 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()
— 02 — map demomap() 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)
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
— 03 — 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 apply是 map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。 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 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,))
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
DataFrame型数据的 apply操作总结：
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）
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 
— 04 — applymap DF数据加1applymap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： 
保留2位有效数字
|
