对pandas中Series的map函数详解

概述Series的map方法可以接受一个函数或含有映射关系的字典型对象。使用map是一种实现元素级转换以及其他数据清理工作的便捷方式。

SerIEs的map方法可以接受一个函数或含有映射关系的字典型对象。

使用map是一种实现元素级转换以及其他数据清理工作的便捷方式。

（DataFrame中对应的是applymap()函数，当然DataFrame还有apply()函数）

1、字典映射

import pandas as pdfrom pandas import SerIEs,DataFramedata = DataFrame({'food':['bacon','pulled pork','bacon','Pastrami','corned beef','Bacon','pastrami','honey ham','nova lox'],'ounces':[4,3,12,6,7.5,8,5,6]})meat_to_animal = { 'bacon':'pig','pulled pork':'pig','pastrami':'cow','corned beef':'cow','honey ham':'pig','nova lox':'salmon' } data['animal'] = data['food'].map(str.lower).map(meat_to_animal) data data['food'].map(lambda x: meat_to_animal[x.lower()])  

2、应用函数

In [579]: import pandas as pdIn [580]: from pandas import SerIEs,DataFrameIn [581]: index = pd.date_range('2017-08-15',periods=10)In [582]: ser = SerIEs(List(range(10)),index=index)In [583]: serOut[583]: 2017-08-15 02017-08-16 12017-08-17 22017-08-18 32017-08-19 42017-08-20 52017-08-21 62017-08-22 72017-08-23 82017-08-24 9Freq: D,dtype: int64In [585]: ser.index.map(lambda x: x.day)Out[585]: Int64Index([15,16,17,18,19,20,21,22,23,24],dtype='int64')In [586]: ser.index.map(lambda x: x.weekday)Out[586]: Int64Index([1,2,4,1,3],dtype='int64')In [587]: ser.map(lambda x: x+10)Out[587]: 2017-08-15 102017-08-16 112017-08-17 122017-08-18 132017-08-19 142017-08-20 152017-08-21 162017-08-22 172017-08-23 182017-08-24 19Freq: D,dtype: int64In [588]: def f(x):  ...:  if x < 5:  ...:   return True  ...:  else:  ...:   return False  ...:  In [589]: ser.map(f)Out[589]: 2017-08-15  True2017-08-16  True2017-08-17  True2017-08-18  True2017-08-19  True2017-08-20 False2017-08-21 False2017-08-22 False2017-08-23 False2017-08-24 FalseFreq: D,dtype: bool

以上这篇对pandas中SerIEs的map函数详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持编程小技巧。

您可能感兴趣的文章:Python pandas常用函数详解浅谈Pandas中map,applymap and apply的区别python pandas中对Series数据进行轴向连接的实例python pandas 对series和dataframe的重置索引reindex方法 总结

以上是内存溢出为你收集整理的对pandas中Series的map函数详解全部内容，希望文章能够帮你解决对pandas中Series的map函数详解所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。