pandas map() 数值映射

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas 的 map() 是根据输入对应关系映射序列的值。Series 和 DataFrame 的 map() 是通过向参数传递函数来对各元素应用函数的方法。也可以在 map() 的参数中指定词典类型 dict，在该情况下将完成元素的置换。从 pandas 2.1 开始，增加了 DataFrame.map，可以对 DataFrame 中的每个元素进行处理。

函数介绍

它与 apply 的区别如图所示：

apply-map

pandas.Series.map 将用传递到 map 中的内容替换序列的值，pandas.Series.apply 将对序列的值应用函数（可能带有参数）。区别在于可以传递给方法的内容：

map 和 apply 都可以接收一个函数
map 传递到映射中的函数不能有多个参数（它将输出 ValueError），apply 可以
map 可以接收一个字典（甚至是 pd.Series，在这种情况下它将使用索引作为键），而 apply 不能（它将输出一个 TypeError）
从 pandas 2.1 开始，增加了 DataFrame.map，可以对 DataFrame 中的每个元素进行处理，不再使用 applymap 了。

Series

pandas.Series.map 用于用另一个值替换序列中的每个值，该值可以从函数（传入值为 Series 的值）、dict 或 Series 中派生。语法为：

Series.map(arg, na_action=None)

参数：

arg：映射的方法，支持：
- function，函数（一个参数，为原值），可调用对象
- collections.abc.Mapping 的子类，如字典等
- Series，做映射替换，索引为原值，值为映射目标
na_action：{None, ‘ignore’}, 默认 None，如果是“ignore”，则广播 NaN 值，而不将其传递给映射对应。

Series：与调用者相同的索引

当 arg 是字典时，字典中不存在的系列值（作为键）将转换为 NaN。但是，如果 dictionary 是一个 dict 子类，它定义了 __missing__ （即提供了一个默认值的方法），那么使用这个默认值而不是 NaN。

总结一下，arg 可传入的函数形式有以下几种：

ser.map({ 100:'满分', 69: '刚及格'}) # 字典
ser.map(pd.Series(['满分', '刚及格'], index=[100, 60])) # Series
ser.map(fun) # 自定义函数
ser.map(abs) # python 内置函数
ser.map('[{}]'.format) # python 类型方法
ser.map(lambda x: x**2) # lambda
ser.map(np.mean) # numpy 等其他库的函数 ufunc
ser.map(pd.Series.abs) # Pandas 自己的函数

以下是一些案例：

s = pd.Series(['cat', 'dog', np.nan, 'rabbit'])
s
'''
0      cat
1      dog
2      NaN
3   rabbit
dtype: object
'''

map 接受 dict 或 Series。在 dict 中找不到的值将转换为 NaN，除非 dict 具有默认值（例如 defaultdict）：

s.map({'cat': 'kitten', 'dog': 'puppy'})
'''
0   kitten
1    puppy
2      NaN
3      NaN
dtype: object
'''

它还接受一个函数：

s.map('I am a {}'.format)
'''
0       I am a cat
1       I am a dog
2       I am a nan
3    I am a rabbit
dtype: object
'''

为避免将函数应用于缺少的值（并保持为 NaN），可以使用 nau_action='ignore'：

s.map('I am a {}'.format, na_action='ignore')
'''
0     I am a cat
1     I am a dog
2            NaN
3  I am a rabbit
dtype: object
'''

DataFrame

按元素方式将函数应用于Dataframe。

DataFrame.map(func, na_action=None, **kwargs)

参数和应用逻辑与 Series 的同名方法一样，因此我们就不再使用 applymap 了。

一些例子：

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一样，NA值可以忽略：
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
'''

# 请注意，有些 func 其实有矢量化版本操作，速度会快得多。
# 如，你可以按元素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
'''

Index

pandas.Index.map 使用输入对应关系（dict、Series 或 function）映射值。语法为：

Index.map(mapper, na_action=None)

参数：

mapper：function, dict, or Series，做映射替换
na_action：{None, ‘ignore’}, 默认 None，如果是“ignore”，则广播 NaN 值，而不将其传递给映射对应。

applied：Union[Index, MultiIndex], inferred，应用于索引的映射函数的输出。如果函数返回一个包含多个元素的元组，则会返回一个多索引。

与 replace() 对比

进行要素置换的方法有 replace()，但如果将 pandas.Series 或 pandas.DataFrame 的列（=pandas.Series）的全部元素置换为其他值，则 map() 的情况较多，而且速度也比较快些。

一般情况下，以下两个代码效果一样：

s.map({'NY': 'NewYork', 'CA': 'California', 'TX': 'Texas'})
s.replace({'NY': 'NewYork', 'CA': 'California', 'TX': 'Texas'})

不同的是，map 如果没有对应的映射时会返回 NaN，而 replace 则返回原值。这个问题，可以配合 update() 来解决：

s.update(s.map({'NY': 'NewYork'}))

对比

（针对 pandas 2.1 版本以下）

apply、map、applymap 对数据类型的支持情况如下：

方法	DataFrame	Series
apply	支持	支持
map	-	支持
applymap	支持	-

可以看到，map、applymap 仅支持一种数据类型，apply 全支持。相关方法对比示意图如下：

apply-map-applymap

其他

由于 map 在映射时对于映射表中没有的键会返回缺失值 nan，如果想继续保留原来值时，可以用 Series.replace。

支持对象

可以调用 map() 的对象还有以下对象：

pandas.DataFrame.map (pandas 2.1 开始)
pandas.Series.map
pandas.Index.map
pandas.CategoricalIndex.map