pandas.DataFrame.map

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

Применение функции к элементам Dataframe попарно.

Введено в версии 2.1.0: DataFrame.applymap был устарел и переименован в DataFrame.map.

Этот метод применяет функцию, которая принимает и возвращает скалярное значение, к каждому элементу Dataframe.

Параметры:

func:callable

Функция Python, возвращающая одно значение из одного значения.

na_action:{None, ‘ignore’}, по умолчанию None

Если ‘ignore’, пропускать значения NaN, не передавая их в func.

**kwargs

Дополнительные ключевые аргументы для передачи как ключевых аргументов функции func.

Возвращает:

DataFrame

Преобразованный DataFrame.

См. также

DataFrame.apply

Применение функции вдоль оси входного DataFrame.

DataFrame.replace

Замена значений, указанных в to_replace, на value.

Series.map

Применение функции к элементам Series попарно.

Примеры

>>> 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

Как и в Series.map, значения NA можно игнорировать:

>>> 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

Также можно использовать map с функциями, которые не являются lambda функциями:

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

Обратите внимание, что часто существует векторизованный вариант func, который будет намного быстрее. Вы можете возвести в квадрат каждое число попарно.

>>> df.map(lambda x: x**2)
           0          1
0   1.000000   4.494400
1  11.262736  20.857489

Но в этом случае лучше избегать map.

>>> df ** 2
           0          1
0   1.000000   4.494400
1  11.262736  20.857489