map apply applymap 数据处理三板斧
在数据处理中 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
PD中的map apply applymap可以解决大部分这样的数据处理需求
map是针对整列的操作 replace是针对全部数据的操作
# dict_change = {'男':'先生','女':'女士'}
# data['称呼'] = data['性别'].map(dict_change) 字典操作
# data['称呼']是原始数据没有的 所以自动新建一列
# def replace_value(value):
# if value == '男':
# x = '先生'
# else:
# x = '女'
# return x
# data['称呼'] = data['性别'].map(replace_value) 函数操作
# 这里写入函数名
apply
# def change_data(primary,change):
# return primary + change
# 列计算 每一列聚合 横着算
# data['列名'] = data['列名'].apply(change_data,args=(3))
# 函数名 修改的数据内容
# 单元格的value会自动传入
# 行计算 每一行聚合 竖着算
# data = data[['列名','列名','列名',]].apply(sum,axis=0)
# 把列名提取出来 sum运算 axis控制轴
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
