python的apply(),map(),applymap()怎么用

Python的apply(), map(), applymap()怎么用

在Python中，apply()、map()和applymap()是用于對數據進行操作的常用函數。它們分別適用于不同的場景，尤其是在處理Pandas數據框和列表時非常有用。本文將詳細介紹這三個函數的用法，并通過示例代碼幫助讀者更好地理解它們的功能。

1. apply()

apply()函數主要用于對Pandas數據框（DataFrame）或序列（Series）中的數據進行操作。它可以對每一行或每一列應用一個函數，并返回處理后的結果。

1.1 對Series使用apply()

apply()可以對Series中的每個元素應用一個函數。例如，假設我們有一個包含數字的Series，我們想要對每個元素進行平方操作：

import pandas as pd

# 創建一個Series
s = pd.Series([1, 2, 3, 4])

# 使用apply()對每個元素進行平方操作
s_squared = s.apply(lambda x: x**2)

print(s_squared)

輸出結果為：

0     1
1     4
2     9
3    16
dtype: int64

1.2 對DataFrame使用apply()

apply()也可以對DataFrame的每一行或每一列應用一個函數。通過指定axis參數，我們可以選擇是對行（axis=1）還是列（axis=0）進行操作。

import pandas as pd

# 創建一個DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 對每一列求和
df_sum = df.apply(lambda x: x.sum(), axis=0)

# 對每一行求和
df_row_sum = df.apply(lambda x: x.sum(), axis=1)

print("列求和：")
print(df_sum)

print("行求和：")
print(df_row_sum)

輸出結果為：

列求和：
A     6
B    15
C    24
dtype: int64

行求和：
0    12
1    15
2    18
dtype: int64

2. map()

map()函數主要用于對Series中的每個元素進行映射操作。它接受一個函數或字典作為參數，并將Series中的每個元素替換為映射后的結果。

2.1 使用函數進行映射

import pandas as pd

# 創建一個Series
s = pd.Series([1, 2, 3, 4])

# 使用map()對每個元素進行平方操作
s_squared = s.map(lambda x: x**2)

print(s_squared)

輸出結果為：

0     1
1     4
2     9
3    16
dtype: int64

2.2 使用字典進行映射

map()還可以使用字典進行映射操作。例如，我們可以將Series中的某些值替換為字典中對應的值：

import pandas as pd

# 創建一個Series
s = pd.Series(['a', 'b', 'c', 'd'])

# 使用字典進行映射
mapping = {'a': 1, 'b': 2, 'c': 3}
s_mapped = s.map(mapping)

print(s_mapped)

輸出結果為：

0    1.0
1    2.0
2    3.0
3    NaN
dtype: float64

注意，如果字典中沒有對應的鍵，map()會返回NaN。

3. applymap()

applymap()函數用于對DataFrame中的每個元素應用一個函數。與apply()不同，applymap()是對DataFrame中的每個元素進行操作，而不是對行或列進行操作。

import pandas as pd

# 創建一個DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 使用applymap()對每個元素進行平方操作
df_squared = df.applymap(lambda x: x**2)

print(df_squared)

輸出結果為：

   A   B   C
0  1  16  49
1  4  25  64
2  9  36  81

4. 總結

• apply()：適用于對Pandas的Series或DataFrame的行/列進行操作。
• map()：適用于對Series中的每個元素進行映射操作。
• applymap()：適用于對DataFrame中的每個元素進行操作。

通過合理使用這三個函數，可以大大簡化數據處理的過程，提高代碼的可讀性和效率。