pandas.DataFrame.map#

DataFrame.map(func, na_action=None, **kwargs)[源码]#

逐元素地将函数应用于 DataFrame。

Added in version 2.1.0: DataFrame.applymap was deprecated and renamed to DataFrame.map。

此方法将一个接受并返回标量值的函数应用于 DataFrame 的每个元素。

参数:
funccallable

Python 函数，从单个值返回单个值。

na_action{None, ‘ignore’}, default None

如果为 ‘ignore’，则传播 NaN 值，而不将其传递给 func。

**kwargs

传递给 func 的附加关键字参数。

返回:
DataFrame

转换后的 DataFrame。

另请参阅

DataFrame.apply

沿 DataFrame 输入轴应用函数。

DataFrame.replace

用value替换to_replace中给定的值。

Series.map

对 Series 中的元素应用函数。

示例

>>> df = pd.DataFrame([[1, 2.12], [3.356, 4.567]])
>>> df
       0      1
0  1.000  2.120
1  3.356  4.567

>>> df.map(lambda x: len(str(x)))
   0  1
0  3  4
1  5  5

与 Series.map 类似，可以忽略 NA 值

>>> df_copy = df.copy()
>>> df_copy.iloc[0, 0] = pd.NA
>>> df_copy.map(lambda x: len(str(x)), na_action="ignore")
     0  1
0  NaN  4
1  5.0  5

也可以将 map 用于非 lambda 函数

>>> df.map(round, ndigits=1)
     0    1
0  1.0  2.1
1  3.4  4.6

请注意，func 的矢量化版本通常存在，效率会高得多。您可以逐个元素地对每个数字进行平方。

>>> df.map(lambda x: x**2)
           0          1
0   1.000000   4.494400
1  11.262736  20.857489

但在这种情况下，最好避免使用 map。

>>> df**2
           0          1
0   1.000000   4.494400
1  11.262736  20.857489
本页内容