Question

我认为我很了解地图与应用地图，但遇到了问题（如果感兴趣，请参阅here了解其他背景信息。）

一个简单的例子：

df  = pd.DataFrame( [[1,2],[1,1]] ) 
dct = { 1:'python', 2:'gator' }

df[0].map( lambda x: x+90 )
df.applymap( lambda x: x+90 )

按预期工作 - 两者都以元素为基础，在一个系列上映射，在数据帧上应用地图（非常好地解释here btw）。

如果我使用字典而不是lambda，地图仍然可以正常工作：

df[0].map( dct )

0    python
1    python

但不是applymap：

df.applymap( dct )
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-100-7872ff604851> in <module>()
----> 1 df.applymap( dct )

C:\Users\johne\AppData\Local\Continuum\Anaconda\lib\site-packages\pandas\core\frame.pyc in applymap(self, func)
   3856                 x = lib.map_infer(_values_from_object(x), f)
   3857             return lib.map_infer(_values_from_object(x), func)
-> 3858         return self.apply(infer)
   3859 
   3860     #----------------------------------------------------------------------

C:\Users\johne\AppData\Local\Continuum\Anaconda\lib\site-packages\pandas\core\frame.pyc in apply(self, func, axis, broadcast, raw, reduce, args, **kwds)
   3687                     if reduce is None:
   3688                         reduce = True
-> 3689                     return self._apply_standard(f, axis, reduce=reduce)
   3690             else:
   3691                 return self._apply_broadcast(f, axis)

C:\Users\johne\AppData\Local\Continuum\Anaconda\lib\site-packages\pandas\core\frame.pyc in _apply_standard(self, func, axis, ignore_failures, reduce)
   3777             try:
   3778                 for i, v in enumerate(series_gen):
-> 3779                     results[i] = func(v)
   3780                     keys.append(v.name)
   3781             except Exception as e:

C:\Users\johne\AppData\Local\Continuum\Anaconda\lib\site-packages\pandas\core\frame.pyc in infer(x)
   3855                 f = com.i8_boxer(x)
   3856                 x = lib.map_infer(_values_from_object(x), f)
-> 3857             return lib.map_infer(_values_from_object(x), func)
   3858         return self.apply(infer)
   3859 

C:\Users\johne\AppData\Local\Continuum\Anaconda\lib\site-packages\pandas\lib.pyd in pandas.lib.map_infer (pandas\lib.c:56990)()

TypeError: ("'dict' object is not callable", u'occurred at index 0')

所以，我的问题是为什么这里不能以类似的方式映射和应用地图？这是applymap的错误，还是我做错了什么？

编辑添加：我发现我可以通过以下方式轻松解决此问题：

df.applymap( lambda x: dct[x] )

        0       1
0  python   gator
1  python  python

或者更好的是通过这个answer不需要lambda。

df.applymap( dct.get )

这几乎完全等同，对吧？必须是applymap如何解析语法的东西，我想函数/方法的显式形式比字典更好。无论如何，我想现在这里没有任何实际问题，但如果有人想回答，我仍然对这里发生的事情感兴趣。

Answer 1

.applymap（）和.map（）在元素方面是正确的。但.applymap（）不会占用每一列，而是对这些列执行.map（），但每个列都执行.apply（）。

所以当你调用df.applymap（dct）时：发生的事情是df [0] .apply（dct），而不是df [0] .map（dct）

这里有两个系列方法之间的区别：

.map（）接受Series，dict和function（任何可调用的，所以像dict.get这样的方法也可以作为第一个参数）; as .apply（）只接受函数（或任何可调用的）作为第一个参数。

.map（）包含if语句，用于确定传递的第一个参数是dict，Series还是函数，并根据输入进行操作。将函数传递给.map（）时，.map（）方法执行与.apply（）相同的操作。

但.apply（）没有那些允许它与dictionnary和Series完全交易的if语句。它只知道如何使用callable。

当你用一个函数调用.apply（）或.map（）时，它们都会调用lib.map_infer（），它看起来像是python的map（）函数（但我可以把手放在源代码，所以我不完全确定。）

执行map（dct，df [0]）将给出与df.applymap（dct）和df [0]相同的错误.apply（dct）也会出现相同的错误。

现在，您可以问为什么使用.apply（）而不是.map（），如果.map（）在使用函数调用时执行相同的操作并且可以使用dict和Series？

因为.apply（）可以返回一个Dataframe，如果传递给它的函数的结果是Series。

ser = pandas.Series([1,2,3,4,5], index=range(5))

ser_map = ser.map(lambda x : pandas.Series([x]*5, index=range(5)))
type(ser_map)
pandas.core.series.Series

ser_app = ser.apply(lambda x : pandas.Series([x]*5, index=range(5)))
type(ser_app)
pandas.core.frame.DataFrame

传递字典时映射vs applymap

1 个答案: