En quoi les méthodes `map`, `applymap` et `apply` de Pandas diffèrent-elles ?

Comprendre les différences entre les méthodes Map, Applymap et Apply dans Pandas

Lorsque vous travaillez avec la vectorisation dans Pandas, il est crucial de comprendre les distinctions entre les méthodes map, applymap et apply. Ces méthodes offrent des moyens flexibles d'appliquer des fonctions par élément ou par ligne/colonne aux DataFrames et aux séries.

Map :
Map est une méthode Series conçue pour les opérations par éléments. . Il prend une fonction et l'applique à chaque élément d'une série. Prenons l'exemple suivant :

import pandas as pd

series = pd.Series([1, 2, 3, 4, 5])
squared_series = series.map(lambda x: x ** 2)
print(squared_series)

Sortie :

0    1
1    4
2    9
3   16
4   25
dtype: int64

Applymap :
Applymap est une méthode DataFrame qui effectue des opérations par éléments sur l'ensemble DataFrame. Il applique la fonction spécifiée à chaque élément individuel dans le DataFrame :

dataframe = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

formatted_dataframe = dataframe.applymap(lambda x: f'{x:.2f}')
print(formatted_dataframe)

Sortie :

   A   B
0  1.00  4.00
1  2.00  5.00
2  3.00  6.00

Appliquer :
Contrairement à map et applymap, apply opère sur les lignes ou les colonnes d’un DataFrame. Il prend une fonction et l'applique à chaque ligne ou colonne, en fonction du paramètre d'axe spécifié :

# Apply function to each row
row_max = dataframe.apply(lambda row: row.max(), axis=1)
print(row_max)

# Apply function to each column
col_min = dataframe.apply(lambda col: col.min(), axis=0)
print(col_min)

Sortie :

0    3
1    5
2    6
dtype: int64

A    1
B    4
dtype: int64

Considérations d'utilisation :

• Utilisez map pour les opérations par éléments sur Series.
• Utilisez applymap pour les opérations par éléments sur DataFrames.
• Utilisez Apply pour les opérations par ligne ou colonne sur les DataFrames.

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!