理解pandas中的apply和map的作用和异同

寒假工作坊

现在开始招生了，有兴趣的同学和老师可以戳进来了解

课程安排 

1月9-10日  Python爬虫&文本数据分析(模块Ⅰ）    

1月11-16日  Stata 应用能力提升与实证前沿(模块Ⅱ)  

地点

浙江 · 杭州（浙江工商大学）

pandas中的数据类型

我们可以将pandas中的数据简单的认为只有下面这两种

• 一维Series

• 二维DataFrame

这两种数据类型都有map和apply方法

• Series: apply和map

• DataFrame: apply

Series.map

Series.map(arg)

• 传入的arg : 操作函数、字典或Series

• 返回Series

1. import pandas as pd

2. import numpy as np

3. s = pd.Series(['cat', 'dog', np.nan, 'rabbit'])

4. print(type(s))

5. s

1. <class 'pandas.core.series.Series'>

2. 0 cat

3. 1 dog

4. 2 NaN

5. 3 rabbit

6. dtype: object

1. s.map({'cat':'kitten',

2. 'dog':'puppy'})

1. 0 kitten

2. 1 puppy

3. 2 NaN

4. 3 NaN

5. dtype: object

Series.apply

Series.apply(func, args, **kwds)

• func : 函数、字典或Series

• args: func函数的顺序参数， 元组类型

• kwds: func函数的关键词参数，字典类型

• 返回Series或DataFrame

1. import pandas as pd

2. s = pd.Series([20, 21, 12],

3. index=['London', 'New York', 'Helsinki'])

4. s

1. London 20

2. New York 21

3. Helsinki 12

4. dtype: int64

1. 操作函数只有一个输入，一个输出

1. import pandas as pd

2. s = pd.Series([20, 21, 12],

3. index=['London', 'New York', 'Helsinki'])

4. def func1(x):

5. return x**2

6. s.apply(func1)

1. London 400

2. New York 441

3. Helsinki 144

4. dtype: int64

我们定义的操作函数，其输入和输出都是一个元素。这时候series.map和series.apply功效相同。

我们再看看操作函数输入一个，输出series（相当于多个元素）时，series的map和apply是否有区别

1. import pandas as pd

2. s = pd.Series([20, 21, 12],

3. index=['London', 'New York', 'Helsinki'])

4. def func2(x):

5. return pd.Series([x, x])

6. s.map(func2)

1. London 0 20

2. 1 20

3. dtype: int64

4. New York 0 21

5. 1 21

6. dtype: int64

7. Helsinki 0 12

8. 1 12

9. dtype: int64

10. dtype: object

1. import pandas as pd

2. s = pd.Series([20, 21, 12],

3. index=['London', 'New York', 'Helsinki'])

4. def func3(x):

5. return pd.Series([x, x])

6. s.apply(func3)

	0	1
London	20	20
New York	21	21
Helsinki	12	12

DataFrame.apply()

apply(func, axis=0, args, kwds)

• func: 操作函数

• axis: 操作的方向，默认列方向axis=0。行方向操作axis=1

• args: func的顺序参数，元组数据类型

• kwds: func的关键词参数，字典数据类型

1. import pandas as pd

2. df = pd.DataFrame([[4, 9], [3, 2], [5, 7]],

3. columns=['a', 'b'])

4. df

	a	b
0	4	9
1	3	2
2	5	7

1. def func4(row):

2. return row[0]+row[1]

3. df.apply(func4, axis=1)

1. 0 13

2. 1 5

3. 2 12

4. dtype: int64

1. def func5(x):

2. return x+1

3. df.apply(func5, axis=1)

	a	b
0	5	10
1	4	3
2	6	8

1. df.apply(lambda x: x.max()+x.min())

1. a 8

2. b 11

3. dtype: int64

1. df.apply(lambda x: x.max()+x.min(), axis=1)

1. 0 13

2. 1 5

3. 2 12

4. dtype: int64

近期文章

情绪及色彩词典获取方式，请在公众号后台回复关键词“20191218” ，

如果想做文本分析

可购买网课 | Python文本数据分析实战(学术) 

或参加Python&Stata数据分析课寒假工作坊