5个pandas调用函数的方法让数据处理更加灵活自如


Posted in Python onApril 24, 2022

0. 数据预览

这里的数据是虚构的语数外成绩,大家在演示的时候拷贝一下就好啦。

import pandas as pd
df = pd.read_clipboard()
df

姓名

语文

数学

英语

性别

总分

0

才哥

91

95

92

1

1

小明

82

93

91

1

2

小华

82

87

94

1

3

小草

96

55

88

0

4

小红

51

41

70

0

5

小花

58

59

40

0

6

小龙

70

55

59

1

7

杰克

53

44

42

1

8

韩梅梅

45

51

67

0

1. apply

apply可以对DataFrame类型数据按照列或行进行函数处理,默认情况下是按照(单独对Series亦可)。

在案例数据中,比如我们想将性别列中的1替换为男,0替换为女,那么可以这样搞定。

先自定义一个函数,这个函数有一个参数 s(Series类型数据)。

def getSex(s):
    if s==1:
        return '男'
    elif s==0:
        return '女'

上述函数还有更简洁写法,这里方便理解采用最直观的写法哈。

然后,我们直接使用apply去调用这个函数即可。

df['性别'].apply(getSex)

可以看到输出结果如下:

0 男
1 男
2 男
3 女
4 女
5 女
6 男
7 男
8 女
Name: 性别, dtype: object

当然,我们也可以直接用调用匿名函数lambda的形式:

df['性别'].apply( lambda s: '男' if s==1 else '女' )

可以看到结果是一样的:

0 男
1 男
2 男
3 女
4 女
5 女
6 男
7 男
8 女
Name: 性别, dtype: object

以上是单纯根据一列的值条件进行的数据处理,我们也可以根据多列组合条件(可以了解为按行)进行处理,需要注意这种情况下需要指定参数axis=1,具体看下面案例。

案例中,我们认为总分高于200数学分数高于90为高分

# 多列条件组合
df['level'] = df.apply(lambda df: '高分' if df['总分']>=200 and df['数学']>=90 else '其他', axis=1)
df

5个pandas调用函数的方法让数据处理更加灵活自如

同样,上述用apply调用的函数都是自定义的,实际上我们也可以调用内置或者pandas/numpy自带的函数。

比如,求语数外和总分最高分:

# python内置的函数
df[['语文','数学','英语','总分']].apply(max)

语文 96
数学 95
英语 94
总分 278
dtype: int64

求语数外和总分平均分:

# numpy自带的函数
import numpy as np
df[['语文','数学','英语','总分']].apply(np.mean)

语文 69.777778
数学 64.444444
英语 71.444444
总分 205.666667
dtype: float64

2. applymap

applymap则是对每个元素的函数处理,变量是每个元素值。

比如对语数外三科超过90分认为是科目高分

df[['语文','数学','英语']].applymap(lambda x:'高分' if x>=90 else '其他')

语文

数学

英语

0

高分

高分

1

其他

高分

2

其他

其他

3

高分

其他

4

其他

其他

5

其他

其他

6

其他

其他

7

其他

其他

8

其他

其他

3. map

map则是根据输入对应关系映射值返回最终数据,作用于某一列。传入的值可以是字典,键值为原始值,值为需要替换的值。也可以传入一个函数或者字符格式化表达式等等。

以上面性别列中的1替换为男,0替换为女为例,还可以通过map来实现
 

df['性别'].map({1:'男', 0:'女'})

输出结果也是一致的:

0 男
1 男
2 男
3 女
4 女
5 女
6 男
7 男
8 女
Name: 性别, dtype: object

比如总分列想变成格式化字符:

df['总分'].map('总分:{}分'.format)

0 总分:278分
1 总分:266分
2 总分:263分
3 总分:239分
4 总分:162分
5 总分:157分
6 总分:184分
7 总分:139分
8 总分:163分
Name: 总分, dtype: object

4. agg

agg一般用于聚合,在分组或透视操作中常见到,用法是和apply比较接近。

比如,求语数外和总分的最高分、最低分和平均分

df[['语文','数学','英语','总分']].agg(['max','min','mean'])

5个pandas调用函数的方法让数据处理更加灵活自如

我们还可以对不同的列进行不同的运算(用字典形式指定)

# 语文最高分、数学最低分和英文最高最低分
df.agg({'语文':['max'],'数学':'min','英语':['max','min']})

5个pandas调用函数的方法让数据处理更加灵活自如

当然也支持自定义函数的调用

5. pipe

以上四个调用函数的方法,我们发现被调用的函数的参数就是 ​​DataFrame​​​或Serise数据,如果我们被调用的函数还需要别的参数,那么该如何做呢?

所以,pipe就出现了。

pipe又称管道方法,可以将我们的处理分析过程标准化、流程化。它在调用函数的时候可以带被调用函数的其他参数,这样就方便自定义函数的功能扩展了。

比如,我们需要获取总分大于n,性别为sex的同学的数据,其中n和sex是可变参数,那么用apply等就不太好处理。这个时候,就可以用到​​pipe​​方法来搞事了!

我们先定义一个函数:

# 定义一个函数,总分大于等于n,性别为sex的同学数据(sex为2表示不分性别)
def total(df, n, sex):
dfT = df.copy()
if sex == 2:
return dfT[(dfT['总分']>=n)]
else:
return dfT[(dfT['总分']>=n) & (dfT['性别']==sex)]

如果我们要找到总分大于200,不分性别的学生成绩,可以这样:

df.pipe(total,200,2)

5个pandas调用函数的方法让数据处理更加灵活自如

再找总分大于150,性别为男生(1)的学生成绩,可以这样:

df.pipe(total,150,1)

5个pandas调用函数的方法让数据处理更加灵活自如

再找总分大于200,性别为女生(0)的学生成绩,可以这样:
 

df.pipe(total,200,0)

5个pandas调用函数的方法让数据处理更加灵活自如

以上就是本次我们介绍的5种调用函数的方法,这些操作技巧可以让我们在处理数据时更加灵活自如

到此这篇关于分享5个数据处理更加灵活的pandas调用函数方法的文章就介绍到这了!


Tags in this post...

Python 相关文章推荐
python使用paramiko模块实现ssh远程登陆上传文件并执行
Jan 27 Python
python高手之路python处理excel文件(方法汇总)
Jan 07 Python
Python实现字典的遍历与排序功能示例
Dec 23 Python
基于python requests库中的代理实例讲解
May 07 Python
python实现超简单的视频对象提取功能
Jun 04 Python
解决Python print 输出文本显示 gbk 编码错误问题
Jul 13 Python
python实现简单tftp(基于udp协议)
Jul 30 Python
Python3 获取一大段文本之间两个关键字之间的内容方法
Oct 11 Python
基于python实现的百度新歌榜、热歌榜下载器(附代码)
Aug 05 Python
Python从列表推导到zip()函数的5种技巧总结
Oct 23 Python
Anaconda详细安装步骤图文教程
Nov 12 Python
numpy array找出符合条件的数并赋值的示例代码
Jun 01 Python
Python 使用 Frame tkraise() 方法在 Tkinter 应用程序中的Frame之间切换
Apr 24 #Python
在 Python 中利用 Pool 进行多线程
Apr 24 #Python
Python何绘制带有背景色块的折线图
python中Pyqt5使用Qlabel标签播放视频
Apr 22 #Python
Python使用MapReduce进行简单的销售统计
python使用pycharm安装pyqt5以及相关配置
Python使用DFA算法过滤内容敏感词
You might like
PHP采集利器 Snoopy 试用心得
2011/07/03 PHP
Yii框架在页面输出执行sql语句以方便调试的实现方法
2014/12/24 PHP
php短址转换实现方法
2015/02/25 PHP
php猜单词游戏
2015/09/29 PHP
最新版本PHP 7 vs HHVM 多角度比较
2016/02/14 PHP
laravel-admin的图片删除实例
2019/09/30 PHP
Laravel 实现关系模型取出需要的字段
2019/10/10 PHP
根据分辨率不同,调用不同的css文件
2006/08/25 Javascript
JQuery 动画卷页 返回顶部 动画特效(兼容Chrome)
2010/02/15 Javascript
JS仿flash上传头像效果实现代码
2011/07/18 Javascript
jQuery获取样式中的背景颜色属性值/颜色值
2012/12/17 Javascript
JS出现失效的情况总结
2017/01/20 Javascript
基于Angularjs+mybatis实现二级评论系统(仿简书)
2017/02/13 Javascript
BootStrap与Select2使用小结
2017/02/17 Javascript
less简单入门(CSS 预处理语言)
2017/03/08 Javascript
vue axios 在页面切换时中断请求方法 ajax
2018/03/05 Javascript
简述JS控制台的使用
2018/07/15 Javascript
详解vue 兼容IE报错解决方案
2018/12/29 Javascript
微信小程序MUI导航栏透明渐变功能示例(通过改变rgba的a值实现)
2019/01/24 Javascript
vscode配置vue下的es6规范自动格式化详解
2019/03/20 Javascript
微信小程序常见页面跳转操作简单示例
2019/05/01 Javascript
基于JavaScript实现猜数字游戏代码实例
2020/07/30 Javascript
maptalks+three.js+vue webpack实现二维地图上贴三维模型操作
2020/08/10 Javascript
Python实现图像几何变换
2015/07/06 Python
使用python实现省市三级菜单效果
2016/01/20 Python
python ddt数据驱动最简实例代码
2019/02/22 Python
python清空命令行方式
2020/01/13 Python
新加坡交友网站:be2新加坡
2019/04/10 全球购物
澳大利亚最便宜的网上药房:Chemist Warehouse
2020/01/30 全球购物
MIKI HOUSE美国官方网上商店:日本领先的婴儿和儿童高级时装品牌
2020/06/21 全球购物
SQL Server的固定数据库角色都有哪些?对应的服务器权限有哪些?
2013/05/18 面试题
给水排水工程专业毕业生推荐信
2013/10/28 职场文书
主持词开场白
2014/03/17 职场文书
老兵退伍标语
2014/10/07 职场文书
2015年会计年终工作总结
2015/05/26 职场文书
cypress测试本地web应用
2022/06/01 Javascript