map 与 applymap¶

pandas 中的 map 和 applymap 可以对指定列（map）或整个数据框（applymap）工作

完成替换、格式化、计算等操作，是 Pandas 数据分析中十分重要的工具。

在线刷题

检查 or 强化 Pandas 数据分析操作？👉在线体验「Pandas进阶修炼300题」

Note

本页面数据说明¶

为了更好的介绍相关操作，你应该对数据字段、数值、类型等相关信息做一个大致了解！

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'A': ['A0', 'A1', np.nan, 'A3'],
                    'B': ['B0',np.nan,'B3',np.nan],
                    'C': ['C0','C1','C2',np.nan],
                    'D': np.random.randn(4),
                    'E': np.random.randn(4),
                   'F': np.random.randn(4)},
                   index=[0, 1, 2, 3])

df1

	A	B	C	D	E	F
0	A0	B0	C0	-0.064109	-0.101211	1.218837
1	A1	NaN	C1	-0.840582	0.871039	-0.415773
2	NaN	B3	C2	-0.379854	-1.352242	1.005507
3	A3	NaN	NaN	-0.501775	0.807550	1.578097

基本使用¶

将 df1 第一列中的 A0 替换为 cat，A3 替换为 rabbit，其余为设置为NaN（缺失值）

df1['A'] = df1['A'].map({'A0':'cat','A3':'rabbit'})
df1

	A	B	C	D	E	F
0	cat	B0	C0	-0.064109	-0.101211	1.218837
1	NaN	NaN	C1	-0.840582	0.871039	-0.415773
2	NaN	B3	C2	-0.379854	-1.352242	1.005507
3	rabbit	NaN	NaN	-0.501775	0.807550	1.578097

匿名函数¶

在上一题的结果上，将 df1 第 1 列中的字符末尾追加「今天关注了早起Python」

df1['A'] = df1['A'].map(lambda x:f'{x} 今天关注了早起Python')
df1

	A	B	C	D	E	F
0	cat 今天关注了早起Python	B0	C0	-0.064109	-0.101211	1.218837
1	nan 今天关注了早起Python	NaN	C1	-0.840582	0.871039	-0.415773
2	nan 今天关注了早起Python	B3	C2	-0.379854	-1.352242	1.005507
3	rabbit 今天关注了早起Python	NaN	NaN	-0.501775	0.807550	1.578097

跳过缺失值¶

上一题中，nan（缺失值）也被同步追加了字符串

现在重新对第二列执行同样的操作，并跳过缺失值

df1['B'] = df1['B'].map(lambda x:f'{x} 今天关注了早起Python', na_action='ignore')
df1

	A	B	C	D	E	F
0	cat 今天关注了早起Python	B0 今天关注了早起Python	C0	-0.064109	-0.101211	1.218837
1	nan 今天关注了早起Python	NaN	C1	-0.840582	0.871039	-0.415773
2	nan 今天关注了早起Python	B3 今天关注了早起Python	C2	-0.379854	-1.352242	1.005507
3	rabbit 今天关注了早起Python	NaN	NaN	-0.501775	0.807550	1.578097

自定义函数¶

除了 lambda ，map还可以接受自定义函数，现在对第三列，使用自定义函数完成上一题的任务

def mapfun(x):
    
    return str(x) + "今天关注了早起Python"

df1['C'] = df1['C'].map(mapfun, na_action='ignore')
df1

	A	B	C	D	E	F
0	cat 今天关注了早起Python	B0 今天关注了早起Python	C0今天关注了早起Python	-0.064109	-0.101211	1.218837
1	nan 今天关注了早起Python	NaN	C1今天关注了早起Python	-0.840582	0.871039	-0.415773
2	nan 今天关注了早起Python	B3 今天关注了早起Python	C2今天关注了早起Python	-0.379854	-1.352242	1.005507
3	rabbit 今天关注了早起Python	NaN	NaN	-0.501775	0.807550	1.578097

applymap¶

applymap可以对整个 dataframe 工作，现在将 df1 的最后三列保留两位小数

df1[['D','E','F']] = df1[['D','E','F']].applymap(lambda x:"%.2f" % x)
df1

	A	B	C	D	E	F
0	cat 今天关注了早起Python	B0 今天关注了早起Python	C0今天关注了早起Python	-0.06	-0.10	1.22
1	nan 今天关注了早起Python	NaN	C1今天关注了早起Python	-0.84	0.87	-0.42
2	nan 今天关注了早起Python	B3 今天关注了早起Python	C2今天关注了早起Python	-0.38	-1.35	1.01
3	rabbit 今天关注了早起Python	NaN	NaN	-0.50	0.81	1.58