在用pandas預處理數據時，難免需要自己構造一些有價值的數據，applymap函數和map函數對于處理此類問題十分方便。

給定一個DataFrame，含有每個學生的第一次考試和第二次考試的成績，現在讓你將分數轉化成ABCD和 ‘ 不及格 ’ 等級。

首先來看DataFrame中的applymap函數：數據參考自

grades_df = pd.DataFrame(data={'exam1': [43, 81, 78, 75, 89, 70, 91, 65, 98, 87],'exam2': [24, 63, 56, 56, 67, 51, 79, 46, 72, 60]},index=['Andre', 'Barry', 'Chris', 'Dan', 'Emilio', 'Fred', 'Greta', 'Humbert', 'Ivan', 'James'] )def convert_to_letter(score):if (score >= 90):return 'A'elif (score >= 80):return 'B'elif (score >= 70):return 'C'elif (score >= 60):return 'D'else:return '不及格'def convert_grades(grades):return grades.applymap(convert_to_letter)print (convert_grades(grades_df))輸出如下：exam1 exam2 Andre 不及格 不及格 Barry B D Chris C 不及格 Dan C 不及格 Emilio B D Fred C 不及格 Greta A C Humbert D 不及格 Ivan A C James B D

?

針對Series類型數據或者是DataFrame類型數據中的某一列，使用map函數而不是applymap函數

樣例1：

給定data數據集，讓你對 ‘ 是否入黨 ’? 這一列，進行維護。原數據集里面，是年份或空值（NaN），但是我們不關心年份的多少，我們只關心是否入黨，所以我們要將這一列替換成0或者1.

#是否入黨 data["join_party"]=data["join_party"].map(lambda x:0 if pd.isnull(x) ?else 1)

其中lambda是匿名函數，意思是如果這一行的'join_party'這一列是控制的話則變成0，否則變成1，x可以理解成傳入的參數。

樣例2：

利用data數據集中的‘birth’這一列（每一個數據都是年份），新生成一列'birth_s'，代表年代。

#出生的年代 def birth_split(x):if 1920<=x<=1930:return 0elif 1930<x<=1940:return 1elif 1940<x<=1950:return 2elif 1950<x<=1960:return 3elif 1960<x<=1970:return 4elif 1970<x<=1980:return 5elif 1980<x<=1990:return 6elif 1990<x<=2000:return 7data["birth_s"]=data["birth"].map(birth_split)

樣例3：

將收入進行分組，新增一列‘income_cut’來代表幾個工資段：

#收入分組 def income_cut(x):if x<0:return 0elif 0<=x<1200:return 1elif 1200<x<=10000:return 2elif 10000<x<24000:return 3elif 24000<x<40000:return 4elif 40000<=x:return 5data["income_cut"]=data["income"].map(income_cut)

?

總結

以上是生活随笔為你收集整理的【Python学习】 - 关于DataFrame中的applymap函数 和 Series中的map函数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。