我以为我很了解 map 与 applymap，但遇到了问题(如果有兴趣，请参阅 here 了解更多背景信息)。

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 )

这按预期工作——两者都在元素基础上运行，在一系列上映射，在数据帧上应用映射(解释得很好 here 顺便说一句)。

如果我使用字典而不是 lambda，map 仍然可以正常工作:

df[0].map( dct )

0    python
1    python

但不应用 map :

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')

那么，我的问题是为什么 map 和 applymap 在这里不以类似的方式工作？是 applymap 的错误，还是我做错了什么？

编辑添加:我发现我可以很容易地解决这个问题:

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

        0       1
0  python   gator
1  python  python

或者通过这个更好answer这不需要 lambda。

df.applymap( dct.get )

所以这几乎完全等价，对吧？必须与 applymap 如何解析语法有关，我想函数/方法的显式形式比字典更有效。无论如何，我想现在这里已经没有实际问题了，但如果有人想回答的话，我仍然对这里发生的事情感兴趣。

最佳答案

.applymap() 和 .map() 是按元素工作的。但是 .applymap() 不会获取每一列并对这些列执行 .map() ，而是对每一列执行 .apply() 。

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

这两种 Series 方法的区别是什么:

.map() 接受 Series、dict 和函数(任何可调用的，因此像 dict.get 这样的方法也可以工作)作为第一个参数；因为 .apply() 只接受函数(或任何可调用函数)作为第一个参数。

.map() 包含 if 语句来确定传递的第一个参数是字典、系列还是函数，并根据输入进行适当的操作。当您将函数传递给 .map() 时，.map() 方法执行与 .apply() 相同的操作。

但是 .apply() 没有那些允许它正确处理字典和系列的 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，它们都结束调用 lib.map_infer()，它们看起来像 python 的 map() 函数(但我可以 Handlebars 放在源代码，所以我不完全确定)。

执行 map(dct, df[0]) 会给出与 df.applymap(dct) 相同的错误，而 df[0].apply(dct) 也会给出相同的错误。

现在，你可以问为什么使用 .apply() 而不是 .map()，如果 .map() 在调用函数时做同样的事情并且可以接受 dict 和 Series？

因为如果您传递给它的函数的结果是一个系列，.apply() 可以返回一个 Dataframe。

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

关于python - 传递字典时映射与应用映射，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/30487369/