pandas中的map()和apply()

本文深入探讨了Pandas库中的两个重要函数map()和apply()的使用方法,通过案例展示了如何利用这两个函数对DataFrame或Series中的数据进行操作,包括数值计算、元素替换等,为数据预处理提供了有效手段。

1.map()
在pandas中只有Series对象能用这个方法,DataFrame不能使用。作用是将自定义函数应用于每一个元素
案例如下:

df1 = pd.DataFrame({
    'a':[1,2,3,4],
    'b':['one','two','three','four'],
    'c':'w'
})
df1

在这里插入图片描述
首先尝试将a列的数字都加上1

df1['a'] = df1['a'].map(lambda x : x+1)

在这里插入图片描述
其次,也可以使用字典将需要的元素修改

df1['c'] = df1['c'].map({'w':'x'})

在这里插入图片描述

2.apply()
apply()应用于DataFrame或者Series对象中,作用和map()相似
案例如下:

df2 = pd.DataFrame({
    'a':[1,2,3,4],
    'b':[10,20,30,40],
    'c':'w',
    'd':['one','two','three','four']
})
df2

在这里插入图片描述
先来尝试让a,b两列的每一个数字都加1

df2[['a','b']]=df2[['a','b']].apply(lambda x:x+1)
df2

在这里插入图片描述
也可以对两列进行相加

df2['sum'] = df2[['a','b']].apply(lambda x:x.sum(),axis=1)
df2

在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值