pandas.DataFrame.map

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

将函数逐个元素应用到 DataFrame。

在 2.1.0 版本加入: DataFrame.applymap 已被弃用并重命名为 DataFrame.map。

此方法将接受并返回标量的函数应用于 DataFrame 的每个元素。

Parameters:

funccallable

Python 函数，从单个值返回单个值。

na_action{None, ‘ignore’}，默认为 None

如果为 ‘ignore’，则传播 NaN 值，而不将它们传递给 func。

**kwargs

要作为关键字参数传递给 func 的其他关键字参数。

Returns:

DataFrame

转换后的 DataFrame。

参见

DataFrame.apply

沿 DataFrame 的输入轴应用函数。

DataFrame.replace

用 value 替换 to_replace 中给定的值。

Series.map

在 Series 上逐元素应用一个函数。

Examples

>>> 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

像 Series.map 一样，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 与非 lambda 函数一起使用：

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

请注意，func 的向量化版本通常存在，并且速度会快得多。您可以逐元素地计算每个数字的平方。

>>> 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