1. 构造示例样本
需对样本中年龄字段作映射，将缺失值映射为 -1，[25,45) 区间值映射为 1，其它为 -2。
'''构造示例样本'''import pandas as pdimport numpy as npdata = pd.DataFrame({"性别": ['F', 'F', 'M', 'M', 'M',np.NaN], "年龄": [30, 28, 46, 30, 37,np.NaN]}, index=['A01','A02','A03','A04','A05','A06'])data
2. 函数实现示例
- def：函数名 + 参数 + return 返回值(如需)
apply ：apply(func,*args,**kwargs)
'''方法一：def+apply 函数组合'''def age_new(df): if pd.isna(df['年龄']): return -1 elif 25<=df['年龄']<45: return 1 else: return -2 data['age_new']=data.apply(age_new,axis=1)data
-
lambda：称为匿名函数，使用 lambda 关键字创建匿名函数
'''方法二：def+apply+lambda 函数组合'''def age_new(var): if pd.isna(var): return -1 elif 25<=var<45: return 1 else: return -2 data['age_new']=data['年龄'].apply(lambda x:age_new(x))data
'''方法三：apply+lambda 函数组合'''data['age_new']=data['年龄'].apply(lambda x: -1 if pd.isna(x)==True else 1 if 25<=x<45 else -2)data
'''方法四：def+map 函数组合'''def age_new(var): if pd.isna(var): return -1 elif 25<=var<45: return 1 else: return -2 data['age_new']=pd.DataFrame(map(age_new,data['年龄']),index=data.index)data
'''方法五：lambda+map 函数组合'''data['age_new']=pd.DataFrame(map(lambda x: -1 if pd.isna(x)==True else 1 if 25<=x<45 else -2,data['年龄']),index=data.index)data
-
applymap 是元素级的 map，用来操作 DataFrame 中的每一个元素，不支持限制特定列，比如可以用来批量转换 DataFrame 当中所有数据字段的格式。
'''方法六：lambda+applymap 函数组合'''tmp=pd.DataFrame(data['年龄'])data['age_new']=tmp.applymap(lambda x: -1 if pd.isna(x)==True else 1 if 25<=x<45 else -2)data
题图来源：网站Pexels
THE END
声明：文中观点不代表本站立场。本文传送门：https://eyangzhen.com/239580.html
