【Python学习】 - 关于DataFrame中的applymap函数和 Series中的map函数

75 阅读 0 评论 50 点赞

我是靠谱客的博主天真大碗，最近开发中收集的这篇文章主要介绍【Python学习】 - 关于DataFrame中的applymap函数和 Series中的map函数，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

在用pandas预处理数据时，难免需要自己构造一些有价值的数据，applymap函数和map函数对于处理此类问题十分方便。

给定一个DataFrame，含有每个学生的第一次考试和第二次考试的成绩，现在让你将分数转化成ABCD和 ‘ 不及格 ’ 等级。

首先来看DataFrame中的applymap函数：数据参考自

grades_df = pd.DataFrame(
    data={'exam1': [43, 81, 78, 75, 89, 70, 91, 65, 98, 87],
          'exam2': [24, 63, 56, 56, 67, 51, 79, 46, 72, 60]},
    index=['Andre', 'Barry', 'Chris', 'Dan', 'Emilio', 
           'Fred', 'Greta', 'Humbert', 'Ivan', 'James']
)


def convert_to_letter(score):
    if (score >= 90):
        return 'A'
    elif (score >= 80):
        return 'B'
    elif (score >= 70):
        return 'C'
    elif (score >= 60):
        return 'D'
    else:
        return '不及格'
      
def convert_grades(grades):
    return grades.applymap(convert_to_letter)

print (convert_grades(grades_df))


输出如下：
        exam1 exam2
Andre     不及格   不及格
Barry       B     D
Chris       C   不及格
Dan         C   不及格
Emilio      B     D
Fred        C   不及格
Greta       A     C
Humbert     D   不及格
Ivan        A     C
James       B     D

针对Series类型数据或者是DataFrame类型数据中的某一列，使用map函数而不是applymap函数

样例1：

给定data数据集，让你对 ‘ 是否入党 ’ 这一列，进行维护。原数据集里面，是年份或空值（NaN），但是我们不关心年份的多少，我们只关心是否入党，所以我们要将这一列替换成0或者1.

#是否入党
data["join_party"]=data["join_party"].map(lambda x:0 if pd.isnull(x)  else 1)

其中lambda是匿名函数，意思是如果这一行的'join_party'这一列是控制的话则变成0，否则变成1，x可以理解成传入的参数。

样例2：

利用data数据集中的‘birth’这一列（每一个数据都是年份），新生成一列'birth_s'，代表年代。


#出生的年代
def birth_split(x):
    if 1920<=x<=1930:
        return 0
    elif  1930<x<=1940:
        return 1
    elif  1940<x<=1950:
        return 2
    elif  1950<x<=1960:
        return 3
    elif  1960<x<=1970:
        return 4
    elif  1970<x<=1980:
        return 5
    elif  1980<x<=1990:
        return 6
    elif  1990<x<=2000:
        return 7
    
data["birth_s"]=data["birth"].map(birth_split)

样例3：

将收入进行分组，新增一列‘income_cut’来代表几个工资段：

#收入分组
def income_cut(x):
    if x<0:
        return 0
    elif  0<=x<1200:
        return 1
    elif  1200<x<=10000:
        return 2
    elif  10000<x<24000:
        return 3
    elif  24000<x<40000:
        return 4
    elif  40000<=x:
        return 5

data["income_cut"]=data["income"].map(income_cut)