如何用pandas的map、apply、applymap批量高效处理数据？

本文共计1444个文字，预计阅读时间需要6分钟。

前言：在我们对DataFrame对象进行操作时，难免会想对DataFrame进行遍历，然后将处理后的值再填充回DataFrame中。这样做比较繁琐，尤其是在处理大量数据时耗时较长。Pandas内置了一个函数可以方便地进行这种操作。

前言

在我们对DataFrame对象进行处理时候，下意识的会想到对DataFrame进行遍历，然后将处理后的值再填入DataFrame中，这样做比较繁琐，且处理大量数据时耗时较长。Pandas内置了一个可以对DataFrame批量进行函数处理的工具：map、apply和applymap。

提示：为方便快捷地解决问题，本文仅介绍函数的主要用法，并非全面介绍

一、pandas.Series.map()是什么？

把Series中的值进行逐一映射，带入进函数、字典或Series中得出的另一个值。

Series.map(arg, na_action=None)

参数：

• arg:函数、字典类数据、Series；映射对应关系
• na_action{None, ‘ignore'}:默认为None；处理NaN变量，如果为None则不处理NaN对象，如果为‘ignore'则将NaN对象当做普通对象带入规则。