Mapa de marco de datos de pandas
Sintaxis:
# Serie.MAP (Arg, Na_Action = None)
Ejemplo 1:
Prácticamente utilizamos el método "map ()" en nuestro código pandas. Importamos el método que Pandas proporciona con la ayuda de la palabra clave "importar" y establecemos el "pandas como PD". Esto nos ayuda en nuestro código donde tenemos que acceder a los métodos Pandas. Solo ponemos "PD" para hacer esto. Ahora, esta lista o serie que se crea aquí se denomina "scaty_data".Insertamos el "First_Name" que incluye "Emma, Robert, Leonard, Howard y Jessica". A continuación, tenemos el "Last_Name" que contiene "Edward, Samuel, Herry, William y Fowler". Agregamos "42, 36, 46, 45 y 39" en la lista de "edad".
Después de esto, tenemos el "Score_1 y Score_2" donde agregamos "9, 8, 6, 7, 5" y "28, 45, 59, 62, 70", respectivamente. Cambiamos este "scAIORT_DATA" en el "scAift_DF" y mencionamos el "First_Name, Last_Name, Age, Score_1 y Score_2" como las columnas. Entonces, se establece como el encabezado del DataFrame. Imprimimos el "scaty_df" en el terminal. Después de esto, hacemos un diccionario de los "sujetos" e insertamos los nombres de los sujetos mencionando el primer_name con el nombre del sujeto. En el diccionario, agregamos la "computadora, química, matemáticas, astronautas y ciencias" mencionando el "primer_name" junto con esto. Ahora, asignamos este diccionario al "scaty_df" mencionado anteriormente anteriormente.
Creamos una nueva columna llamada "Sujetos". Mencionamos la columna "First_Name" y utilizamos el método "map ()" para asignar los sujetos en este "scAing_df". Después de asignar la columna del sujeto a la "scAift_df", mostramos el "scaty_df". Esto se muestra solo cuando utilizamos el método "print ()".
Ahora, compilamos y ejecutamos este código Pandas en "Spyder". Hay dos formas de ejecutar este código. Uno de ellos es presionar las teclas "Shift+ Enter" y la otra es ejecutar el código haciendo clic en el botón "Ejecutar" de la aplicación "Spyder". Después de la ejecución, obtenemos la salida dada. El primer DataFrame contiene cinco columnas. Mapeamos la columna a este "scaty_df" con la ayuda del método "map ()" que también se muestra en la siguiente ilustración:
Ejemplo 2:
Ahora, comenzamos un nuevo ejemplo importando los "Pandas como PD" y creando una lista anidada que se llama "AC_LIST". Esta lista anidada consta de tres columnas llamadas "AC_NAME, AC_NUM, uniéndose". El "AC_Name" tiene los nombres "James, Melissa, Farnham, Samuel, Bromley, Coghill y Fuller". El "AC_NUM" contiene los números de la cuenta como "AC4319, AC1234, AC3498, AC4525, AC4439, AC2624 y AC1501". En la unión, agregamos el mes de unión que son "junio, abril, mayo, agosto, febrero, enero y diciembre". El "ac_list" se cambia en el marco de datos "AC_DF" porque utilizamos el "PD.Marco de datos". Ponemos este método "ac_df" al método "print ()". Se representa cuando ejecutamos el código.
Después de esto, generamos un diccionario y lo guardamos en "géneros". Ponemos los géneros "masculinos y femeninos" para los datos que insertamos en la lista anterior. También asignamos este diccionario a DataFrame que hemos creado. Para asignar los "géneros" en este "AC_DF", primero creamos una nueva columna llamada "Género", mencionamos la columna "Nombre", luego usamos el método "MAP ()". En este método, insertamos los "géneros". Mostramos el "AC_DF" después de asignar la columna "Género". Esto solo se muestra cuando utilizamos el método "print ()".
Obtenemos la salida especificada cuando se ejecuta el código mencionado anteriormente. Tres columnas constituyen el primer marco de datos. Luego asignamos la columna "Género" a esta técnica "AC_DF" utilizando la técnica "MAP ()", que también se demuestra aquí. Se muestra "nan", lo que indica que no insertamos ningún valor.
Ejemplo 3:
En este ejemplo, creamos la serie Pandas después de importar los pandas. Generamos esta serie Pandas usando el "PD.Método de la serie "de pandas. Este "PD" accede a este método "Serie". Insertamos algunos datos en esta serie y guardamos la serie en la variable "Animales". Esta serie contiene "conejo, vaca, rata, perro, ratón y oso".
Entonces, mostramos esta serie. Después de mostrar la serie "Animales", asignamos una línea a todos los valores de la serie. Usamos el método "map ()" e insertamos "Soy un ". Inserte el nombre de los animales uno por uno en estos aparatos ortopédicos rizados. Luego, imprima, lo que significa que muestra esta línea con todos los nombres de los animales. Rendera la serie después de mapear, ya que está escrito dentro del método "print ()".
Puedes ver que los nombres de los animales se representan en una serie. Luego, mapea la línea que escribimos anteriormente con todos los nombres de animales e imprime la cuerda "Soy A" con todos los nombres de los animales.
Ejemplo 4:
Ahora, importamos los pandas y la biblioteca numpy porque utilizamos la función o el método de pandas y numpy en este ejemplo. Generamos el "c_list" que contiene el "c_fee" y "c_dur". En el "c_fee", pusimos "22000, 25000, 23000, np.Nan y 26000 ". Aquí, "NP.Nan ”significa que obtenemos este valor de la biblioteca numpy. Luego, colocamos los datos en el "c_dur", que es "20 días, 50 días, 40 días, 35 días y 45 días". Este "c_list" se convierte al "c_df".
Luego, aplicamos algunas funciones en este método "map ()". Usamos el método "lambda" aquí y sustituimos el 10% de los valores "c_fee". Esto se guarda en otra columna que agregamos aquí con el nombre "Tarifa". Mapeamos esta "tarifa" con la columna "c_fee". Luego, usamos el método "print ()". El "C_DF" se muestra una vez que se asigna la columna "Género".
Dos columnas aparecieron aquí antes de mapear. Cuando se aplica el método "map ()", se inserta una nueva columna "tarifa" con estas dos columnas. Muestra el valor después de sustituir el 10% de los valores "C_FEE". En lugar de "nan", también hace que "nan" en la columna "tarifa" porque no hay valor presente en el "c_fee" al que se aplica el cálculo.
Conclusión
El objetivo principal de esta guía es proporcionar una información muy bien, fácil y descriptiva sobre la función "map ()" en pandas.Esta guía explicó el concepto de la función "map ()" de una manera bien moderna. Le mostramos cómo utilizar la función "map ()" en los códigos aquí. Como explicamos, el método "map ()" se utiliza para mapear los valores de la serie en sus entradas correspondientes. Ilustramos cuatro ejemplos en esta guía donde utilizamos el método "map ()". Después de aprender esta guía a fondo, esperamos que pueda utilizar este método "map ()" en Pandas fácilmente.