[Python] map, apply, applymap

map()

---

map함수는 DataFrame의 Series타입을 Input으로 받습니다.

따라서 map함수를 이용하면 Series를 대상으로 원하는 함수를 적용할 수 있습니다.

In [1]:

import pandas as pd

In [2]:

df = pd.DataFrame({"age":[30,25,25,12,40],
                  "height":[178,180,160,140,176],
                  "weight":[80,100,55,40,70]})

df

Out[2]:

ageheightweight01234

30	178	80
25	180	100
25	160	55
12	140	40
40	176	70

In [4]:

df['weight(pound)'] = df['weight'].map(lambda x: x*2.205)
df

Out[4]:

ageheightweightweight(pound)01234

30	178	80	176.400
25	180	100	220.500
25	160	55	121.275
12	140	40	88.200
40	176	70	154.350

위처럼 lambda 함수를 이용해 특정 시리즈(컬럼)에 대해 원하는 함수를 적용해 새로운 컬럼을 생성할 수 있습니다.

apply()

---

apply 함수는 map함수와 다르게 전체 Series(컬럼)를 대상으로 원하는 함수를 적용합니다.

In [5]:

df.apply(lambda x: x.max()-x.min())

Out[5]:

age               28.0
height            40.0
weight            60.0
weight(pound)    132.3
dtype: float64

위의 결과를 보면 알 수 있듯이 전체 컬럼에 대하여 최댓값 - 최솟값을 구하는 함수를 적용했습니다.

이를 이용하면 전체 컬럼에 대해 특정 함수를 적용해 빠른 Summary가 가능하다는 장점이 있습니다.

추가적으로 apply함수는 axis 인자를 이용하여 원하는 축 방향에 따라 함수를 적용할 수 있습니다.

In [6]:

df.apply(sum, axis=0) # axis=0 은 디폴트(), 행방향

Out[6]:

age              132.000
height           834.000
weight           345.000
weight(pound)    760.725
dtype: float64

In [7]:

df.apply(sum, axis=1) # 열방향

Out[7]:

0    464.400
1    525.500
2    361.275
3    280.200
4    440.350
dtype: float64

applymap()

---

applymap 함수는 DataFrame의 모든 element에 대해 원하는 함수를 적용합니다. 따라서 axis와 같은 인자는 사용되지 않습니다.

In [9]:

df.applymap(lambda x:-x)

Out[9]:

ageheightweightweight(pound)01234

-30	-178	-80	-176.400
-25	-180	-100	-220.500
-25	-160	-55	-121.275
-12	-140	-40	-88.200
-40	-176	-70	-154.350

In [ ]: