Pandas三大利器-map、apply、applymap
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字段中男替换成1,女替换成0。自己最近处理数据的时候就遇到不少类似的需求。在这种情况下用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来解决上述的需求。
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()
image
map
demo
map() 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
image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
image
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,))
image
- 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
image
image
DF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
imageapplymap
DF数据加1
applymap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:
image
网友评论