CDA數據分析師 出品
在數據分析師日常的數據清洗工作中，經常需要對數據進行各種映射變換，通過Pandas可以非常方便地解決此問題，其提供了map()、apply()、mapapply()等方法，下面將一一詳細介紹這三個映射函數的用法及三者的區別。
1. map( )
map方法主要是運用在Series中，用來對Series中的元素進行轉化。其語法及參數說明如下：
語法：se.map(arg, na_action=None)
參數說明：
· arg:函數、字典或序列對應的映射
· na_action: 是否忽略NA，默認None
當傳入參數arg為序列時，會將傳入的序列中與原序列value相匹配的key，所對應的value映射到原序列的value中。
# 根據指定序列進行一一映射<<< se1 =pd.Series({'a':1,'b':2,'c':3,'d':4})<<< se1a 1b 2c 3d 4dtype: int64<<< se2 =pd.Series({1:11,2:22,3:33,4:44})<<< se21 112 223 334 44dtype: int64<<< se1.map(se2)a 11b 22c 33d 44dtype: int64
將以上操作分解為兩步來理解：
第一步：將序列se1中的value與序列se2中的key進行匹配。
第二步：將序列se2中key對應的value映射到序列se1中的value
當傳入的參數arg為字典時，返回一個根據字典的映射關係對原序列的value進行轉換的新序列。
# 根據指定字典進行一一映射<<< se =pd.Series({'a':1,'b':2,'c':3,'d':4})<<< sea 1b 2c 3d 4dtype: int64<<< dic={1:11,2:22,3:33,4:44}<<< dic{1: 11, 2: 22, 3: 33, 4: 44}<<< se.map(dic)a 11b 22c 33d 44dtype: int64
當傳入的參數arg為 函數時，會對原序列中每個元素運用該函數，並返回與原序列個數一致，index一致的新序列。運用的函數可以是numpy中的函數，也可以是匿名函數或自定義的函數。
· 直接使用numpy的函數
# 根據指定函數進行一一映射<<< se=pd.Series({'a':-1,'b':2,'c':-3,'d':4})<<< sea -1b 2c -3d 4dtype: int64# 直接使用numpy的函數，不常用 <<< se.map(np.abs)a 1b 2c 3d 4dtype: int64# 直接對Series運用numpy函數效果一致<<< se.abs()a 1b 2c 3d 4dtype: int64
· 使用匿名函數
# 使用匿名函數<<< se =pd.Series({'a':1,'b':2,'c':3,'d':4})<<< sea 1b 2c 3d 4dtype: int64<<< se.map(lambda x:x**2)a 1b 4c 9d 16dtype: int64
· 使用自定義函數
# 使用匿名函數<<< def fun(x): x=x**2 return x<<< se.map(fun)a 1b 4c 9d 16dtype: int64
2. apply( )
apply()是pandas中使用頻率特別高的一種方法，需要重點掌握。apply()方法不僅可以和map()方法一樣，得到一個對元素進行轉換後相同大小的結果數組，還可以得到一個通過函數進行匯總的標量值。其語法及參數說明如下：
語法：df.apply(['func', 'axis=0', 'broadcast=None', 'raw=False', 'reduce=None', 'result_type=None', 'args=()', 'kwds'],)**
重要參數說明：
· func：對對象操作的函數，可以是numpy中的函數，也可以是匿名函數或自定義的函數
· axis：當輸入對象為dataframe時運算依據的軸，0為將函數作用於每列，1為將函數作用於每行，默認None
當輸入對象為Series時，apply()會將函數作用於對象中的每個值，效果與map()方法完全一致。
<<< se =pd.Series({'a':1,'b':2,'c':3,'d':4})<<< sea 1b 2c 3d 4# 對序列se的每個值進行開平方操作<<< se.apply(np.sqrt)a 1.000000b 1.414214c 1.732051d 2.000000dtype: float64
當輸入對象為DataFrame時，apply()方法的作用對象為每一行或者每一列數據，若axis為0，即函數作用於每列數據；若axis為1，即函數作用於每行數據。
<<< df = pd.DataFrame(np.arange(16).reshape(4,4), columns=['A','B','C','D'])<<< df A B C D0 0 1 2 31 4 5 6 72 8 9 10 113 12 13 14 15# 對dataframe根據每列求和<<< df.apply(np.sum)A 24B 28C 32D 36dtype: int64 # 對dataframe根據每行求平均值<<< df.apply(np.mean,axis=1)0 1.51 5.52 9.53 13.5dtype: float64
和map()方法一樣，apply()中運用的函數可以是上例所示numpy中的函數，也可以是匿名函數或自定義的函數。
# 使用匿名函數對dataframe進行操作<<< df.apply(lambda x:x**2) A B C D0 0 1 4 91 16 25 36 492 64 81 100 1213 144 169 196 225# 使用自定義函數對dataframe進行操作<<< def fun(x): x=x**2 return x<<< df.apply(fun) A B C D0 0 1 4 91 16 25 36 492 64 81 100 1213 144 169 196 225
3. applymap( )
上面apply()方法主要是對dataframe數據的行或列進行操作，但如果我們想對datafram數據中的每個元素進行操作，而不進行匯總，該怎麼實現呢？
pandas提供的另一個映射函數mapapply()，則能實現將函數運用在元素級別。其語法及參數說明如下：
語法：df.applymap(func)
參數說明：
· func ：對元素進行操作的函數
applymap()方法只運用於dataframe數據中，對dataframe數據中的每一元素進行指定函數的操作，其作用類似於map()方法對Series的作用。
# 對dataframe數據中的每個元素保留2位小數<<< df.applymap(lambda x: '%.2f'%x) A B C D0 0.00 1.00 2.00 3.001 4.00 5.00 6.00 7.002 8.00 9.00 10.00 11.003 12.00 13.00 14.00 15.00
4. 總結
map()、apply()、mapapply()三者的區別總結如下：
· map()：只能作用於Series中的每個元素；
· apply()：既可以作用於Series中的每個元素，也可以作用於DataFrame中的行或列；
· applymap()：只能作用於DataFrame中的每個元素。
疫情當下，昔日匆匆的步伐終於放慢了些，也是時候好好想想自己的職業計劃和人生規劃了。提前做好準備，未雨綢繆，為未來蓄能——蓄勢待發！