实际工作中，我们在利用 pandas进行数据处理的时候，经常会对数据框中的单行、多行（列也适用）甚至是整个数据进行某种相同方式的处理，比如将数据中的 sex字段将 男替换成1，女替换成0。 在这个时候，很容易想到的是 for循环。用 for循环是一种很简单、直接的方式，但是运行效率很低。本文中介绍了 pandas中的三大利器： map、apply、applymap 来解决上述同样的需求。

• map
• apply
• applymap

—  01 — 模拟数据 通过一个模拟的数据来说明3个函数的使用，在这个例子中学会了如何生成各种模拟数据。数据如下：

1. import pandas as pd
2. import numpy as np
4. boolean = [True, False]
5. gender = ["男","女"]
6. color = ["white","black","red"]
8. # 好好学习如何生成模拟数据：非常棒的例子
9. # 学会使用random模块中的randint方法
11. df = pd.DataFrame({"height":np.random.randint(160,190,100),
12. "weight":np.random.randint(60,90,100),
13. "smoker":[boolean[x] for x in np.random.randint(0,2,100)],
14. "gender":[gender[x] for x in np.random.randint(0,2,100)],
15. "age":np.random.randint(20,60,100),
16. "color":[color[x] for x in np.random.randint(0,len(color),100)]
17. })
18. df.head()

—  02 — map

demo

map() 会根据提供的函数对指定序列做映射。 第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。

1. map(function, iterable)

实际数据

将gender中男变成1，女变成0

1. # 方式1：通过字典映射实现
2. dic = {"男":1, "女":0} # 通过字典映射
3. df1 = df.copy() # 副本，不破坏原来的数据df
4. df1["gender"] = df1["gender"].map(dic)
5. df1
7. # 方式2：通过函数实现
8. def map_gender(x):
9. gender = 1 if x == "男" else 0
10. return gender
12. df2 = df.copy()
13. # 将df["gender"]这个S型数据中的每个数值传进去
14. df2["gender"] = df2["gender"].map(map_gender)
15. df2

—  03 — apply apply方法的作用原理和 map方法类似，区别在于 apply能够传入功能更为复杂的函数，可以说 apply是 map的高级版 pandas 的 apply() 函数可以作用于 Series 或者整个 DataFrame，功能也是自动遍历整个 Series 或者 DataFrame, 对每一个元素运行指定的函数。 在 DataFrame对象的大多数方法中，都会有 axis这个参数，它控制了你指定的操作是沿着0轴还是1轴进行。 axis=0代表操作对 列columns进行， axis=1代表操作对 行row进行

demo

1. 上面的数据中将age字段的值都减去3，即加上-3

1. def apply_age(x,bias):
2. return x + bias
4. df4 = df.copy()
5. # df4["age"]当做第一个值传给apply_age函数，args是第二个参数
6. df4["age"] = df4["age"].apply(apply_age,args=(-3,))

1. 计算BMI指数

1. # 实现计算BMI指数：体重/身高的平方(kg/m^2)
2. def BMI(x):
3. weight = x["weight"]
4. height = x["height"] / 100
5. BMI = weight / (height **2)
7. return BMI
9. df5 = df.copy()
10. df5["BMI"] = df5.apply(BMI,axis=1) # df5现在就相当于BMI函数中的参数x；axis=1表示在列上操作
11. df5

DataFrame型数据的 apply操作总结：

1. 当 axis=0时，对 每列columns执行指定函数；当 axis=1时，对 每行row执行指定函数。
2. 无论 axis=0还是 axis=1，其传入指定函数的默认形式均为 Series，可以通过设置 raw=True传入 numpy数组。
3. 对每个Series执行结果后，会将结果整合在一起返回（若想有返回值，定义函数时需要 return相应的值）

apply实现需求

通过apply方法实现上面的性别转换需求。apply方法中传进来的第一个参数一定是函数 —  04 — applymap

DF数据加1

applymap函数用于对DF型数据中的每个元素执行相同的函数操作，比如下面的加1：

保留2位有效数字