En quoi « map », « applymap » et « apply » diffèrent-ils dans la vectorisation Pandas ?

Méthodes de vectorisation dans Pandas : mapper, applymap et apply

Pandas propose des méthodes pratiques pour appliquer des fonctions aux structures de données. map, applymap et apply sont trois de ces méthodes qui facilitent la manipulation et la transformation des données. Chaque méthode répond à un objectif spécifique et leur utilisation dépend du résultat souhaité.

map

map est utilisée lors de l'application d'une fonction par élément à une série. Il renvoie une nouvelle série avec les valeurs transformées.

Exemple :

import pandas as pd

series = pd.Series([1, 2, 3, 4, 5])

def square(x):
    return x ** 2

squared_series = series.map(square)

print(squared_series)
# Output:
# 0    1
# 1    4
# 2    9
# 3   16
# 4   25
# dtype: int64

applymap

applymap applique une fonction élément par élément à un DataFrame. Il crée un nouveau DataFrame avec les valeurs transformées.

Exemple :

df = pd.DataFrame({
    'name': ['John', 'Jane', 'Tom'],
    'age': [20, 25, 30]
})

def capitalize(x):
    return x.capitalize()

df['name'] = df['name'].applymap(capitalize)

print(df)
# Output:
#    name  age
# 0  John   20
# 1  Jane   25
# 2  Tom    30

apply

apply permet plus transformations complexes en appliquant une fonction ligne ou colonne à un DataFrame. Il renvoie une série ou un DataFrame avec les résultats.

Exemple :

def get_age_group(age):
    if age <= 20:
        return 'Young'
    elif age <= 40:
        return 'Middle-aged'
    else:
        return 'Senior'

df['age_group'] = df['age'].apply(get_age_group)

print(df)
# Output:
#   name  age age_group
# 0  John   20     Young
# 1  Jane   25  Middle-aged
# 2  Tom    30  Middle-aged

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!