


Bila hendak menggunakan Panda `map`, `applymap` atau `apply`?
Memilih Antara peta, applymap dan gunakan dalam Pandas
Apabila bekerja dengan Pandas DataFrames, selalunya perlu menggunakan fungsi pada data dalam pelbagai cara. Tiga kaedah yang biasa digunakan untuk pengvektoran ialah peta, peta aplikasi dan gunakan. Setiap satu mempunyai tujuan dan aplikasi tersendiri.
Peta
peta ialah kaedah khusus untuk objek Siri dan menggunakan fungsi pada setiap elemen dalam Siri. Ia mengharapkan fungsi yang mengambil satu nilai sebagai input dan mengembalikan satu nilai.
Contoh:
import pandas as pd # Create a Series series = pd.Series([1, 2, 3, 4, 5]) # Apply a function to each element def square(x): return x**2 # Apply the function to the series using map squared_series = series.map(square) print(squared_series)
Output:
0 1 1 4 2 9 3 16 4 25 dtype: int64
Applymap
applymap menggunakan fungsi pada setiap elemen sesuatu DataFrame, melaksanakan operasi dari segi elemen. Seperti peta, ia menjangkakan fungsi yang mengambil satu nilai sebagai input dan mengembalikan satu nilai.
Contoh:
# Create a DataFrame df = pd.DataFrame({'a': [1, 2, 3], 'b': [4, 5, 6]}) # Apply a function to each element of the DataFrame def format_number(x): return "{:.2f}".format(x) # Apply the function to the DataFrame using applymap formatted_df = df.applymap(format_number) print(formatted_df)
Output:
a b 0 1.00 4.00 1 2.00 5.00 2 3.00 6.00
Apply
apply menggunakan fungsi pada setiap baris atau lajur DataFrame, bergantung pada parameter paksi. Ia lebih serba boleh berbanding peta dan peta pakai serta boleh mengendalikan fungsi yang memerlukan menghantar berbilang nilai sebagai input.
Contoh:
# Apply a function to each row of the DataFrame def get_max_min_diff(row): return row.max() - row.min() max_min_diff = df.apply(get_max_min_diff, axis=1) print(max_min_diff)
Output:
0 3.00 1 3.00 2 3.00 dtype: float64
Penggunaan Ringkasan
- peta: Aplikasi fungsi mengikut elemen kepada Siri
- applymap: Aplikasi fungsi mengikut elemen ke DataFrame
- mohon: Aplikasi fungsi baris/lajur ke DataFrame, dengan pengendalian input/output yang fleksibel
Atas ialah kandungan terperinci Bila hendak menggunakan Panda `map`, `applymap` atau `apply`?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Cara mengelakkan dikesan semasa menggunakan fiddlerevery di mana untuk bacaan lelaki-dalam-pertengahan apabila anda menggunakan fiddlerevery di mana ...

Fastapi ...

Menggunakan Python di Terminal Linux ...

Bagaimana Mengajar Asas Pengaturcaraan Pemula Komputer Dalam masa 10 jam? Sekiranya anda hanya mempunyai 10 jam untuk mengajar pemula komputer beberapa pengetahuan pengaturcaraan, apa yang akan anda pilih untuk mengajar ...

Mengenai Pythonasyncio ...

Memahami Strategi Anti-Crawling of Investing.com Ramai orang sering cuba merangkak data berita dari Investing.com (https://cn.investing.com/news/latest-news) ...

Memuatkan Fail Pickle di Python 3.6 Kesalahan Alam Sekitar: ModulenotFoundError: Nomodulenamed ...

Perbincangan mengenai sebab -sebab mengapa fail saluran paip tidak dapat ditulis apabila menggunakan crawler scapy apabila belajar dan menggunakan crawler scapy untuk penyimpanan data yang berterusan, anda mungkin menghadapi fail saluran paip ...
