Pandas map、applymap和apply方法的不同之处

在本文中，我们将介绍Pandas中map、applymap和apply方法的不同之处，这三种方法在Pandas中很常用，但是很多人可能不知道它们的差异，下面我们将逐个介绍。

阅读更多：Pandas 教程

map方法

Pandas中的map方法主要是用于Series类型中的数据映射，它的语法是：map(arg, na_action=None)。其中，arg可以是以下三种形式之一：

• 字典：key表示原数据（Series）中的值，value表示map之后的值；
• 可迭代对象（例如列表）：返回的是一个列表，列表的每个元素都是map之后的值；
• 函数：返回的是一个函数应用于Series中的每个元素之后的结果。

下面我们举个例子来看看map方法的用法：

import pandas as pd

s = pd.Series([1, 2, 3, 4, 5, 6])
replaced_s = s.map({1: 'one', 2: 'two', 3: 'three'})
print(replaced_s)

输出结果：

0      one
1      two
2    three
3      NaN
4      NaN
5      NaN
dtype: object

可以看到，map方法将原Series中的1、2、3分别映射为’one’、’two’、’three’，而其他的值则被映射成了NaN。

applymap方法

与map方法不同的是，applymap方法主要是用于DataFrame中所有元素的批量操作，其语法为：applymap(func)，其中，func是一个函数，这个函数应该能够接受一个元素（单元格）并返回一个处理过的元素（单元格）。

下面我们举例来看看applymap方法的用法：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
result = df.applymap(lambda x: x * x)
print(result)

输出结果：

   A   B
0  1  16
1  4  25
2  9  36

可以看到，我们将DataFrame中的所有元素都平方了。

apply方法

与applymap方法不同的是，apply方法主要是用于DataFrame中某列（Series）的批量操作，其语法为：apply(func, axis=0)。其中，func是一个函数，它将应用于一个Series，axis=0表示横向（对列进行操作），axis=1表示纵向（对行进行操作）。

下面我们举个例子来看看apply方法的用法：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
result = df['A'].apply(lambda x: x*x)
print(result)

输出结果：

0    1
1    4
2    9
Name: A, dtype: int64

我们对DataFrame中的’A’列进行了平方操作，结果就是一个新的Series。

总结

综上所述，map方法主要是用于Series类型中的数据映射；applymap方法主要是用于DataFrame中所有元素的批量操作；apply方法主要用于DataFrame中某列（Series）的批量操作。需要注意的是，这三种方法在操作中都可以使用lambda函数等匿名函数，非常方便，但是需要注意表达式的正确性和语法格式。