目录
- Pandas2.2 DataFrame
- Function application, GroupBy & window
- pandas.DataFrame.map()
- 技巧签名
- 参数说明
- 返回值
- 示例
- 拓展资料
Pandas2.2 DataFrame
Function application, GroupBy & window
| 技巧 | 描述 |
|---|---|
| DataFrame.apply(func[, axis, raw, …]) | 用于沿 DataFrame 的轴（行或列）应用一个函数 |
| DataFrame.map(func[, na_action]) | 用于对 DataFrame 的每个元素应用一个函数 |
pandas.DataFrame.map()
pandas.DataFrame.map()技巧用于对 DataFrame 的每个元素应用一个函数。它是最简单的逐元素操作技巧，常用于数据转换或清洗。
技巧签名
DataFrame.map(func, na_action=None)
参数说明
| 参数 | 类型 | 描述 |
|---|---|---|
func |
function | 应用在 DataFrame 每个元素上的函数。 |
na_action |
None, ‘ignore’}, default: None | 若为&039;ignore&039;，则跳过NaN值，不对其应用func。 |
返回值
- 返回一个新的 DataFrame，其形状与原 DataFrame 相同，每个元素是
func应用后的结局。
示例
示例1：简单映射（如将每个元素转为字符串）
import pandas as pddf = pd.DataFrame( ‘A’: [1, 2, 3], ‘B’: [4, 5, 6]}) 将每个元素转换为字符串result = df.map(str)print(result)
输出：
A B
0 1 4
1 2 5
2 3 6
示例2：自定义函数映射（如加10）
对每个元素加10result = df.map(lambda x: x + 10)print(result)
输出：
A B
0 11 14
1 12 15
2 13 16
示例3：使用na_action=&039;ignore&039;忽略 NaN 值
import numpy as npdf_with_nan = pd.DataFrame( ‘A’: [1, np.nan, 3], ‘B’: [np.nan, 5, 6]}) 只对非 NaN 元素加1result = df_with_nan.map(lambda x: x + 1, na_action=’ignore’)print(result)
输出：
A B
0 2.0 NaN
1 NaN 6.0
2 4.0 7.0
拓展资料
map()是对 DataFrame 中的每个元素进行一对一变换的理想工具。- 支持跳过
NaN值进行映射。 - 常用于格式转换、数值变换等场景。
到此这篇关于pandas DataFrame map技巧的实现的文章就介绍到这了,更多相关pandas DataFrame map内容请搜索风君子博客以前的文章或继续浏览下面的相关文章希望大家以后多多支持风君子博客！
无论兄弟们可能感兴趣的文章:
- Pandas对DataFrame单列/多列进行运算(map, apply, transform, agg)
