06_Pandas中map(),applymap(),apply()函数的使用方法
06_Pandas中map(),applymap(),apply()函数的使用方法
将函数应用于pandas对象（pandas.DataFrame，pandas.Series）时，根据所应用的函数类型以及是否将其应用于元素，行或列，使用的方法会有所不同。
- 指定pandas对象作为NumPy函数的参数
- 将Pandas对象指定为函数参数
- 是否将其应用于元素，行或列取决于函数的类型和参数的设置而有所不同
- Pandas对象中的一些方法
- Pandas对象方法的函数应用
- 元素功能（标量值）
- 适用于Series的每个元素：map（），apply（）
- 应用于DataFrame的每个元素：applymap（）
- 行和列的功能（一维数组）
- 应用于DataFrame的每行和每列：apply（）
- 元素功能（标量值）
用以下csv文件作为示例进行说明。
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对象作为NumPy函数的参数
可以将Pandas对象指定为NumPy函数的参数。
元素的应用
NumPy的通用函数（ufunc：应用于数组元素的函数）适用于pandas对象的每个元素。
绝对值（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/列的应用
如果将pandas对象指定为从NumPy数组的所有元素计算值的函数的参数，则默认情况下它将应用于pandas对象的每列。如果参数轴= 1，则将其应用于每行。
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，方差等也被准备为Pandas对象的方法，因此也可以直接使用它们。
同样，在这种情况下，默认情况下也会将其应用于每一列，并且如果参数axis = 1，则会将其应用于每一行。
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对象方法的函数应用
可以使用pandas对象方法将函数应用于元素，行和列。您可以应用Python内置函数或您定义的函数。
- 应用于Series的每个元素：map（），apply（）
- 应用于DataFrame的每个元素：applymap（）
- 应用于DataFrame的每行和每列：apply（）
- 应用于DataFrame的特定行/列元素
以上方法都返回一个新的已处理的对象，而原始对象则保持不变。没有像dropna（）或fillna（）那样的参数，因此，如果想更改原始对象本身时，
df = df.applymap(function)
如上，用原始对象替换新对象并覆盖它。
适用于Series的每个元素：map（），apply（）
将Python内置函数，匿名函数（lambda）或def定义的函数传递给map（）或apply（）的参数。
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
对于map（），如果将字典dict指定为参数，它将替换为元素。
应用于DataFrame的每个元素：applymap（）
将Python的内置函数，匿名函数（lambda）或def定义的函数传递为applymap（）的参数。
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
应用于DataFrame的每行和每列：apply（）
将适用于一维数组的函数传递给apply（）的参数。默认情况下，它应用于每列，如果axis = 1，则应用于每行。
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
应用于DataFrame的特定行/列元素
由于没有方法仅将功能应用于DataFrame的特定行/列元素，可执行以下方法。
- 选择行/列并应用带有map（）或apply（）的功能
- 覆盖原始行/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