迹忆客 专注技术分享

本教程解释了我们如何使用 Series.map() 方法将 Pandas Series 的值替换为另一个值。

import pandas as pd

my_series = pd.Series([85, 87, 90, 89], index=["1", "2", "3", "4"])

print(my_series, "\n")

输出：

1    85
2    87
3    90
4    89
dtype: int64

我们将使用上例中显示的 Series my_series 来解释 Pandas 中 map() 方法的工作。

pandas.Series.map() 方法

语法

Series.map(arg, na_action=None)

它根据 arg 参数替换调用者 Series 对象中的值，返回一个 Series 对象。arg 可以是 function、dictionary 或 Series 对象，它决定了 Series 对象的新值。

na_action 参数可以取 None 或'ignore'作为其值。'ignore'值的 na_action 表示忽略 Series 中的 NaN 值，对它们不做任何处理。

示例：对 Pandas Series 应用 map() 方法

import pandas as pd

my_series = pd.Series([85, 87, 90, 89], index=["1", "2", "3", "4"])

altered_series = my_series.map({85: 80, 87: 80, 90: 90, 89: 80})

print("Initial Series:")
print(my_series, "\n")

print("Altered Series:")
print(altered_series, "\n")

输出：

Initial Series:
1    85
2    87
3    90
4    89
dtype: int64

Altered Series:
1    80
2    80
3    90
4    80
dtype: int64

它根据作为 map() 方法参数传递的字典中指定的值，替换 my_series 中的元素。

我们还可以通过 map() 方法使用函数来改变 Pandas 系列的值。

import pandas as pd

my_series = pd.Series([85, 87, 90, 89], index=["1", "2", "3", "4"])

altered_series = my_series.map(lambda x: str(x) + ".00")

print("Initial Series:")
print(my_series, "\n")

print("Altered Series:")
print(altered_series, "\n")

输出：

Initial Series:
1    85
2    87
3    90
4    89
dtype: int64

Altered Series:
1    85.00
2    87.00
3    90.00
4    89.00
dtype: object

它接收 my_series 中的每一个元素，并在 my_series 中的每一个元素的末尾添加 .00。

示例：使用 map() 方法改变 DataFrame 中的特定列

import pandas as pd

df_1 = pd.DataFrame(
    {
        "Column 1": [85, 87, 90, 89],
        "Column 2": [55, 54, 56, 66],
        "Column 3": [23, 95, 65, 45],
    },
    index=["1", "2", "3", "4"],
)

print("Initial DataFrame:")
print(df_1, "\n")

df_1["Column 1"] = df_1["Column 1"].map(lambda x: x * 10)

print("DataFrame after changing Column 1:")
print(df_1)

输出：

Initial DataFrame:
   Column 1  Column 2  Column 3
1        85        55        23
2        87        54        95
3        90        56        65
4        89        66        45

DataFrame after changing Column 1:
   Column 1  Column 2  Column 3
1       850        55        23
2       870        54        95
3       900        56        65
4       890        66        45

它将使用 map() 方法只对 DataFrame 的 Column 1 应用 lambda 函数。由于单列是一个 Series 对象，我们可以对 DataFrame 的一列使用 map() 方法。然后我们将 map() 方法返回的 Series 对象赋值回 df_1 DataFrame 的 Column 1。通过这种方式，我们只改变 DataFrame 中特定列的值。