数据处理操作mapapplyapplymapnew.pdfVIP

下载本文档

2
0
约6.54千字
约 6页
2022-06-10 发布于江西
举报
版权申诉

数据处理操作mapapplyapplymapnew.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

2022/3/6 4.5 数据处理操作-map apply applymap 在日常的数据处理中，经常会对一个DataFrame进行逐行、逐列和逐元素的操作，对应这些操作，Pandas中的map、apply和applymap可以解决绝大部分这样的数据处理需求。 Series的map方法可以接受一个函数或含有映射关系的字典型对象。使用map是一种实现元素级转换以及其他数据清理工作的便捷方式。 DataFrame中对应的是applymap()函数，DataFrame还有apply()函数 In [ ]: import numpy as np import pandas as pd 4.5.1 Series数据处理 1. map用法 .map() 是 Series 类型拥有的函数 pandas.Series.map ： #### Series.map(self, arg, na_action=None) In [ ]: #读取学生信息 st pd.read_excel(data/stinfo.xlsx,index_col 0) st In [ ]: #①使用字典进行映射 st [性别] st [性别].map ({男:1, 女:0}) st In [ ]: st [学号] st [学号].map {}.format) st In [ ]: st [linux] st [linux].map (lambda x : 优秀 if x 90 else 及格) st In [ ]: st [python].map (lambda x : 否 if x 60 else 是) In [ ]: st [python挂科情况] st [python].map (lambda x : 否 if x 60 else 是) st file:///D:/Python39/envs/pydata/教材配套代码/模块四数据处理Pandas/4.5 数据处理操作-map apply applymap.html 1/6 2022/3/6 4.5 数据处理操作-map apply applymap In [ ]: s pd.Series ([周一, 星期二, np.nan, 星期四, 星期五, np.nan, 周日]) s In [ ]: s.map ({周一 : 星期一,周日 : 星期天}) In [ ]: s pd.Series ([周一, 星期二, np.nan, 星期四, 星期五, np.nan, 周日]) s In [ ]: s[0] 星期一 s[6] 星期天 s In [ ]: s1 s.map (今天是 {}.format) s1 In [ ]: s.map (今天是 {}.format,na_action ignore) 2. apply Series的apply方法的作用原理和Series的map方法类似，区别在于apply能够传入功能更为复杂的函数。