【基礎】pandas中apply與map的異同

◆ ◆ ◆  ◆ ◆

前言

pandas作為資料處理與分析的利器，它的江湖地位非同小可。在我們資料處理與分析過程中，有時候需要對某一列的每一個值都進行處理，這時候推薦大家使用apply或者map。

但是，二者又有啥差別呢？一起來通過幾個小例子學習一下吧。

APPLY

一、直接使用内置函數或者numpy函數

# 資料展示
>>> df
Out[1]:
    姓名  年齡
0   alan  19
1  black  15
2   cici  23
3  david  22
4   eric  18


# 計算字元長度
>>> df['姓名'].apply(len)
Out[2]: 
0    4
1    5
2    4
3    5
4    4
Name: 姓名, dtype: int64


# 計算平方
>>> df['年齡'].apply(np.square)
Out[3]: 
0    361
1    225
2    529
3    484
4    324
Name: 年齡, dtype: int64      

二、使用lambda匿名函數

# 根據年齡打标簽：是否成年
>>> df['年齡'].apply(lambda x: '已成年' if x>=18 else '未成年')
Out[4]: 
0    已成年
1    未成年
2    已成年
3    已成年
4    已成年
Name: 年齡, dtype: object


# 修改姓名為首字母大寫
>>> df['姓名'].apply(lambda x: x.title())
Out[5]: 
0     Alan
1    Black
2     Cici
3    David
4     Eric
Name: 姓名, dtype: object      

三、使用def自定義函數

# 自定義函數
def fn(x):
    if x >=18:
        return '成年人'
    else:
        return '未成年'


# 自定義函數作為apply參數      
>>> df['年齡'].apply(fn)
Out[6]: 
0    成年人
1    未成年
2    成年人
3    成年人
4    成年人
Name: 年齡, dtype: object      

需要注意的是，apply不僅可以用于Series，還可用于DataFrame，具體可以根據自己的業務需要，及資料處理規範來使用即可。

MAP

一、直接使用内置函數或者numpy函數

# 計算字元長度
>>> df['姓名'].map(len)
Out[7]: 
0    4
1    5
2    4
3    5
4    4
Name: 姓名, dtype: int64


# 計算平方
>>> df['年齡'].map(np.square)
Out[8]: 
0    361
1    225
2    529
3    484
4    324
Name: 年齡, dtype: int64      

二、使用lambda匿名函數

# 根據年齡打标簽：是否成年
>>> df['年齡'].map(lambda x: '已成年' if x>=18 else '未成年')
Out[9]: 
0    已成年
1    未成年
2    已成年
3    已成年
4    已成年
Name: 年齡, dtype: object


# 修改姓名為首字母大寫
>>> df['姓名'].map(lambda x: x.title())
Out[10]: 
0     Alan
1    Black
2     Cici
3    David
4     Eric
Name: 姓名, dtype: object      

三、使用def自定義函數

# 自定義函數作為map參數      
>>> df['年齡'].map(fn)
Out[11]: 
0    成年人
1    未成年
2    成年人
3    成年人
4    成年人
Name: 年齡, dtype: object      

四、使用dict作為map參數

# apply沒有這種功能！
>>> df['姓名'].map({'alan':'女','black':'男','cici':'女','david':'男','eric':'男'})
Out[12]: 
0    女
1    男
2    女
3    男
4    男
Name: 姓名, dtype: object      

通過上面的小例子講解，我們可以得出以下結論：

（1）map、apply在用于Series時，對每一個值進行處理，兩者并沒有什麼差別。（是否受資料量影響可以自行驗證）

（2）apply不僅可以用于Series，還可以用于DataFrame；而map隻能用于Series。

（3）一般情況下，apply應用更廣泛，尤其是自定義函數帶多個參數時，建議使用apply。