◆?◆?◆ ?◆?◆

前言

pandas作為數(shù)據(jù)處理與分析的利器，它的江湖地位非同小可。在我們數(shù)據(jù)處理與分析過程中，有時(shí)候需要對某一列的每一個(gè)值都進(jìn)行處理，這時(shí)候推薦大家使用apply或者map。

但是，二者又有啥區(qū)別呢？一起來通過幾個(gè)小例子學(xué)習(xí)一下吧。

APPLY

一、直接使用內(nèi)置函數(shù)或者numpy函數(shù)

# 數(shù)據(jù)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(jì)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(jì)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(shù)

#?根據(jù)年齡打標(biāo)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(shù)

# 自定義函數(shù) def fn(x):if x >=18:return '成年人'else:return '未成年'# 自定義函數(shù)作為apply參數(shù)?????? >>> 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(jù)自己的業(yè)務(wù)需要，及數(shù)據(jù)處理規(guī)范來使用即可。

MAP

一、直接使用內(nèi)置函數(shù)或者numpy函數(shù)

# 計(jì)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(jì)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(shù)

# 根據(jù)年齡打標(biāo)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(shù)

#?自定義函數(shù)作為map參數(shù)?????? >>> 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(shù)

# 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(jié)論：

（1）map、apply在用于Series時(shí)，對每一個(gè)值進(jìn)行處理，兩者并沒有什么區(qū)別。（是否受數(shù)據(jù)量影響可以自行驗(yàn)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(yīng)用更廣泛，尤其是自定義函數(shù)帶多個(gè)參數(shù)時(shí)，建議使用apply。

記得點(diǎn)在看~祝大家一夜暴富，基金、股票一片紅~

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機(jī)器學(xué)習(xí)在線手冊深度學(xué)習(xí)筆記專輯《統(tǒng)計(jì)學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)專輯

總結(jié)

以上是生活随笔為你收集整理的【Python基础】pandas中apply与map的异同的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。