pandas apply, map 和 applymap 的区别-ag捕鱼王app官网

本教程解释了 pandas 中 apply()、map() 和 applymap() 方法之间的区别。

与 applymap() 相关联的函数被应用于给定的 dataframe 的所有元素，因此 applymap() 方法只针对 dataframes 定义。同样，与 apply() 方法相关联的函数可以应用于 dataframe 或 series 的所有元素，因此 apply() 方法是为 series 和 dataframe 对象定义的。pandas 中的 map() 方法只能为 series 对象定义。

import pandas as pd
df = pd.dataframe(
    {
        "col 1": [30, 40, 50, 60],
        "col 2": [23, 35, 65, 45],
        "col 3": [85, 87, 90, 89],
    },
    index=["a", "b", "c", "d"],
)
print(df, "\n")

输出：

   col 1  col 2  col 3
a     30     23     85
b     40     35     87
c     50     65     90
d     60     45     89

我们将使用上例中显示的 dataframe df 来解释 pandas 中 apply()、map() 和 applymap() 方法之间的区别。

pandas.dataframe.applymap()

语法

dataframe.applymap(func, na_action=none)

它将函数 func 应用于 dataframe 的每个元素。

示例：使用 applymap() 方法来改变 dataframe 中的元素

import pandas as pd
df = pd.dataframe(
    {
        "col 1": [30, 40, 50, 60],
        "col 2": [23, 35, 65, 45],
        "col 3": [85, 87, 90, 89],
    },
    index=["a", "b", "c", "d"],
)
print("initial dataframe:")
print(df, "\n")
scaled_df = df.applymap(lambda a: a * 10)
print("scaled dataframe:")
print(scaled_df, "\n")

输出：

initial dataframe:
   col 1  col 2  col 3
a     30     23     85
b     40     35     87
c     50     65     90
d     60     45     89
scaled dataframe:
   col 1  col 2  col 3
a    300    230    850
b    400    350    870
c    500    650    900
d    600    450    890

它对 df dataframe 中的每个元素相乘，并将结果存储在 scaled_df dataframe 中。我们将一个 lambda 函数作为参数传递给 applymap() 函数，该函数通过将输入值与 10 相乘返回一个值。所以 dataframe df 中的每一个元素都会被缩放为 10。

我们也可以使用 for 循环来迭代 df dataframe 中的每个元素，但它使我们的代码可读性降低，凌乱，效率降低。applymap() 是另一种替代方法，可以使代码更具可读性和效率。

除了数学运算，我们还可以对 dataframe 的元素进行其他操作。

import pandas as pd
df = pd.dataframe(
    {
        "col 1": [30, 40, 50, 60],
        "col 2": [23, 35, 65, 45],
        "col 3": [85, 87, 90, 89],
    },
    index=["a", "b", "c", "d"],
)
print("initial dataframe:")
print(df, "\n")
altered_df = df.applymap(lambda a: str(a)  ".00")
print("altered dataframe:")
print(altered_df, "\n")

输出：

initial dataframe:
   col 1  col 2  col 3
a     30     23     85
b     40     35     87
c     50     65     90
d     60     45     89
altered dataframe:
   col 1  col 2  col 3
a  30.00  23.00  85.00
b  40.00  35.00  87.00
c  50.00  65.00  90.00
d  60.00  45.00  89.00

它在 dataframe df 中的每个元素的末尾添加 .00。

pandas 中的 map() 方法

import pandas as pd
df = pd.dataframe(
    {
        "col 1": [30, 40, 50, 60],
        "col 2": [23, 35, 65, 45],
        "col 3": [85, 87, 90, 89],
    },
    index=["a", "b", "c", "d"],
)
print("initial dataframe:")
print(df, "\n")
df["col 1"] = df["col 1"].map(lambda x: x / 100)
print("dataframe after altering col 1:")
print(df)

输出：

initial dataframe:
   col 1  col 2  col 3
a     30     23     85
b     40     35     87
c     50     65     90
d     60     45     89
dataframe after altering col 1:
   col 1  col 2  col 3
a    0.3     23     85
b    0.4     35     87
c    0.5     65     90
d    0.6     45     89

我们只能对 dataframe 的特定列使用 map() 方法。

pandas 中的 apply() 方法

apply() 方法改变 pandas 中的整个 dataframe

import pandas as pd
df = pd.dataframe(
    {
        "col 1": [30, 40, 50, 60],
        "col 2": [23, 35, 65, 45],
        "col 3": [85, 87, 90, 89],
    },
    index=["a", "b", "c", "d"],
)
print("initial dataframe:")
print(df, "\n")
altered_df = df.apply(lambda x: x / 100)
print("altered dataframe:")
print(altered_df, "\n")

输出：

initial dataframe:
   col 1  col 2  col 3
a     30     23     85
b     40     35     87
c     50     65     90
d     60     45     89
altered dataframe:
   col 1  col 2  col 3
a    0.3   0.23   0.85
b    0.4   0.35   0.87
c    0.5   0.65   0.90
d    0.6   0.45   0.89

apply() 方法在 pandas 中只修改某一列

import pandas as pd
df = pd.dataframe(
    {
        "col 1": [30, 40, 50, 60],
        "col 2": [23, 35, 65, 45],
        "col 3": [85, 87, 90, 89],
    },
    index=["a", "b", "c", "d"],
)
print("initial dataframe:")
print(df, "\n")
df["col 1"] = df["col 1"].apply(lambda x: x / 100)
print("dataframe after altering col 1:")
print(df)

输出：

initial dataframe:
   col 1  col 2  col 3
a     30     23     85
b     40     35     87
c     50     65     90
d     60     45     89
dataframe after altering col 1:
   col 1  col 2  col 3
a    0.3     23     85
b    0.4     35     87
c    0.5     65     90
d    0.6     45     89

因此，从上面的例子中，我们可以看到，apply() 方法可以用来将一个特定的函数应用于整个 dataframe 的所有元素或某一列的所有元素。