◆?◆?◆ ?◆?◆

前言

pandas作為數據處理與分析的利器，它的江湖地位非同小可。在我們數據處理與分析過程中，有時候需要對某一列的每一個值都進行處理，這時候推薦大家使用apply或者map。

但是，二者又有啥區別呢？一起來通過幾個小例子學習一下吧。

APPLY

一、直接使用內置函數或者numpy函數

# 數據展示 >>> df Out[1]:姓名 年齡 0 alan 19 1 black 15 2 cici 23 3 david 22 4 eric 18#?計算字符長度 >>> df['姓名'].apply(len) Out[2]:? 0 4 1 5 2 4 3 5 4 4 Name: 姓名, dtype: int64# 計算平方 >>> df['年齡'].apply(np.square) Out[3]:? 0 361 1 225 2 529 3 484 4 324 Name: 年齡, dtype: int64

二、使用lambda匿名函數

#?根據年齡打標簽：是否成年 >>> df['年齡'].apply(lambda?x:?'已成年'?if?x>=18?else?'未成年') Out[4]:? 0 已成年 1 未成年 2 已成年 3 已成年 4 已成年 Name: 年齡, dtype: object#?修改姓名為首字母大寫 >>> df['姓名'].apply(lambda?x:?x.title()) Out[5]:? 0 Alan 1 Black 2 Cici 3 David 4 Eric Name: 姓名, dtype: object

三、使用def自定義函數

# 自定義函數 def fn(x):if x >=18:return '成年人'else:return '未成年'# 自定義函數作為apply參數?????? >>> df['年齡'].apply(fn) Out[6]:? 0 成年人 1 未成年 2 成年人 3 成年人 4 成年人 Name: 年齡, dtype: object

需要注意的是，apply不僅可以用于Series，還可用于DataFrame，具體可以根據自己的業務需要，及數據處理規范來使用即可。

MAP

一、直接使用內置函數或者numpy函數

# 計算字符長度 >>> df['姓名'].map(len) Out[7]:? 0 4 1 5 2 4 3 5 4 4 Name: 姓名, dtype: int64# 計算平方 >>> df['年齡'].map(np.square) Out[8]:? 0 361 1 225 2 529 3 484 4 324 Name: 年齡, dtype: int64

二、使用lambda匿名函數

# 根據年齡打標簽：是否成年 >>>?df['年齡'].map(lambda?x:?'已成年'?if?x>=18?else?'未成年') Out[9]:? 0 已成年 1 未成年 2 已成年 3 已成年 4 已成年 Name: 年齡, dtype: object# 修改姓名為首字母大寫 >>>?df['姓名'].map(lambda?x:?x.title()) Out[10]:? 0 Alan 1 Black 2 Cici 3 David 4 Eric Name: 姓名, dtype: object

三、使用def自定義函數

#?自定義函數作為map參數?????? >>> df['年齡'].map(fn) Out[11]:? 0 成年人 1 未成年 2 成年人 3 成年人 4 成年人 Name: 年齡, dtype: object

四、使用dict作為map參數

# apply沒有這種功能！ >>> df['姓名'].map({'alan':'女','black':'男','cici':'女','david':'男','eric':'男'}) Out[12]:? 0 女 1 男 2 女 3 男 4 男 Name: 姓名, dtype: object

通過上面的小例子講解，我們可以得出以下結論：

（1）map、apply在用于Series時，對每一個值進行處理，兩者并沒有什么區別。（是否受數據量影響可以自行驗證）

（2）apply不僅可以用于Series，還可以用于DataFrame；而map只能用于Series。

（3）一般情況下，apply應用更廣泛，尤其是自定義函數帶多個參數時，建議使用apply。

END 來和小伙伴們一起向上生長呀~~~ 掃描下方二維碼，添加小詹微信，可領取千元大禮包并申請加入 Python學習交流群，群內僅供學術交流，日常互動，如果是想發推文、廣告、砍價小程序的敬請繞道！一定記得備注「交流學習」，我會盡快通過好友申請哦！（添加人數較多，請耐心等待）（掃碼回復 1024? 即可領取IT資料包） 與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的pandas中apply与map的异同的全部內容，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。