18.Pandas的数据转换函数map、apply、applymap

简介

1.map:只用于Series,实现每个值-》值的映射
2.apply:用于Series实现每个值的处理，用于DataFrame实现某个轴的Series的处理
3.applymap:只能用于DataFrame,用于处理该DataFrame的每个元素

1.map用于Series值的转换

实例：将股票代码英文转换成中文名字
Series.map(dict) or Series.map(function) 均可

import pandas as pd
stocks = pd.read_excel("../data/gs.xlsx")
# print(stocks.head())
print(stocks['公司'].unique())
# ['BAIDU' 'BABA']
1
2
3
4
5

# 公司股票代码到中文的映射，注意这里的是小写
dict_company_name = {
    "baidu": '百度',
    'baba': '阿里巴巴',
    'iq': '爱奇艺',
    'jd': '京东'
}
1
2
3
4
5
6
7

# 方法1 Series.map(dict)
stocks['中文公司1'] = stocks['公司'].str.lower().map(dict_company_name)
print(stocks.head())
1
2
3

# 方法2, 使用Series.map(function)
# function参数是Series每个元素的值
stocks['中文公司2'] = stocks['公司'].map(lambda x: dict_company_name[x.lower()])
1
2
3

2.apply用于Series和dataFrame转换

1. Series.apply(function),函数的参数是每个值
2. DataFrame.apply(function),函数的参数是Series

Series.apply(function)

函数的参数是Series的每个值

stocks['中文公司3'] = stocks['公司'].apply(lambda x: dict_company_name[x.lower()])
print(stocks.head())
1
2

DataFrame.apply(function)

函数的参数是对称轴的Series

stocks['中文公司4'] = stocks.apply(lambda x: dict_company_name[x['公司'].lower()], axis=1)
print(stocks.head())
1
2

注意：

1. apply在stocks这个DataFrame上调用
2. lambda x的x是一个Series,因为制定了axis=1,所以Series的key是列名，可以用x[‘公司’]获取
   

3.applymap用于DataFrame所有值的转换

sub_df = stocks[['收盘', '开盘', '高', '低', '交易量']]
# 将这些数字取整，应用于所有元素
sub_df.applymap(lambda x: int(x))
# 直接修改源df的这几列
stocks.loc[:, ['收盘', '开盘', '高', '低', '交易量']] = sub_df.applymap(lambda x: int(x))
print(stocks.head())
1
2
3
4
5
6