[大数据]pandas Series的mapapply的使用及区别

1、map

创建一个Series

>>> s = pd.Series(['cat', 'dog', np.nan, 'rabbit'])
>>> s
0      cat
1      dog
2      NaN
3   rabbit
dtype: object

根据字典值做映射，如果值不在字典里，会转换成NaN

>>> s.map({'cat': 'kitten', 'dog': 'puppy'})
0   kitten
1    puppy
2      NaN
3      NaN
dtype: object

也接受函数作为入参,Series的每一个元素作为函数的入参

>>> s.map('I am a {}'.format)
0       I am a cat
1       I am a dog
2       I am a nan
3    I am a rabbit
dtype: object

防止缺失值的运算，可以使用na_action=‘ignore’

>>> s.map('I am a {}'.format, na_action='ignore')
0     I am a cat
1     I am a dog
2            NaN
3  I am a rabbit
dtype: object

2、apply

创建Series

>>> s = pd.Series([20, 21, 12], index=['London', 'New York', 'Helsinki'])
>>> s
London      20
New York    21
Helsinki    12
dtype: int64

接受一个匿名函数，Series的元素作为函数的入参

>>> s.apply(lambda x: x ** 2)
London      400
New York    441
Helsinki    144
dtype: int64

apply入参除接受函数外，还接受额外的位置参数

>>> def subtract_custom_value(x, custom_value):
...     return x - custom_value

>>> s.apply(subtract_custom_value, args=(5,))
London      15
New York    16
Helsinki     7
dtype: int64

还可以传递关键字参数

>>> def add_custom_values(x, **kwargs):
...     for month in kwargs:
...         x += kwargs[month]
...     return x
>>> s.apply(add_custom_values, june=30, july=20, august=25)
        London      95
        New York    96
        Helsinki    87
        dtype: int64

区别

• map可以直接用字典做映射，apply第一个入参只能是函数
• apply可以传额外的参数，map不能