Mapa de Dados de Dados de Pandas

Um método notavelmente rápido e eficaz de gerenciar e explorar os dados é oferecido pela Biblioteca Pandas. Os pandas podem combinar com eficiência conjuntos de dados diferentes para que nem tenhamos problemas ao avaliar os dados. Os pandas fornecem a série, dicto e dados de dados. Diz -se que as colunas do DataFrame são a série. Utilizamos o método "map ()" para melhorar a coluna e atribuí -lo de volta ao quadro de dados. O método "map ()" é utilizado para mapear os valores da série em suas entradas correspondentes. Também podemos mapear duas séries do mesmo comprimento. Não aplicamos este método "map ()" para mapear dois dados de dados. Neste guia, o método "map ()" é explorado para você aprender como esse método "map ()" funciona em pandas.

Sintaxe:

# Series.mapa (arg, na_action = nenhum)

Exemplo 1:

Praticamente utilizamos o método "map ()" em nosso código de pandas. Importamos o método que os pandas fornecem com a ajuda da palavra -chave "importar" e definir o "pandas como PD". Isso nos ajuda em nosso código, onde temos que acessar os métodos de pandas. Nós apenas colocamos "PD" para fazer isso. Agora, esta lista ou série criada aqui é chamada "score_data".Inserimos o "First_Name", que inclui "Emma, ​​Robert, Leonard, Howard e Jessica". Em seguida, temos o "Last_Name", que contém "Edward, Samuel, Herry, William e Fowler". Adicionamos “42, 36, 46, 45 e 39” na lista “Idade”.

Depois disso, temos o "Score_1 e Score_2", onde adicionamos "9, 8, 6, 7, 5" e "28, 45, 59, 62, 70", respectivamente. Mudamos esse "score_data" no "score_df" e mencionamos o "First_Name, Last_Name, Age, Score_1 e Score_2" como as colunas. Então, ele é definido como o cabeçalho do DataFrame. Imprimos o "score_df" no terminal. Depois disso, fazemos um dicionário dos "sujeitos" e inserimos os nomes do assunto mencionando o primeiro_name com o nome do assunto. No dicionário, adicionamos o "computador, química, matemática, astronauta e ciência", mencionando o "primeiro_name" junto com isso. Agora, mapeamos este dicionário para o mencionado anteriormente "score_df".

Criamos uma nova coluna chamada "Assuntos". Mencionamos a coluna "First_Name" e utilizamos o método "map ()" para mapear os sujeitos nesse "score_df". Depois de mapear a coluna do assunto para o "score_df", exibimos o "score_df". Isso é exibido apenas quando utilizamos o método "print ()".

Agora, compilamos e executamos este código de pandas em "Spyder". Existem duas maneiras de executar este código. Uma delas é pressionar as teclas "Shift+ Enter" e a outra é executar o código clicando no botão "Executar" do aplicativo "Spyder". Após a execução, obtemos a saída fornecida. O primeiro dataframe contém cinco colunas. Mapeamos a coluna para este "score_df" com a ajuda do método "map ()", que também é mostrado na seguinte ilustração:

Exemplo 2:

Agora, começamos um novo exemplo importando os "pandas como PD" e criando uma lista aninhada que é chamada "AC_LIST". Esta lista aninhada consiste em três colunas chamadas "ac_name, ac_num, juntando -se". O "AC_Name" tem os nomes "James, Melissa, Farnham, Samuel, Bromley, Coghill e Fuller". O "ac_num" contém os números da conta como "AC4319, AC1234, AC3498, AC4525, AC4439, AC2624 e AC1501". Na união, acrescentamos o mês de ingresso, que é “junho, abril, maio, agosto, fevereiro, janeiro e dezembro”. O "AC_LIST" é alterado para o quadro de dados "AC_DF" porque utilizamos o "PD.Quadro de dados". Colocamos este "AC_DF" no método "print ()". É renderizado quando executamos o código.

Depois disso, geramos um dicionário e o salvamos em "sexos". Colocamos os sexos "masculino e feminino" para os dados que inserimos na lista anterior. Também mapeamos este dicionário para o quadro de dados que criamos. Para mapear os "sexos" nesse "ac_df", primeiro criamos uma nova coluna chamada "gênero", mencionamos a coluna "primeiro nome" e depois usamos o método "map ()". Neste método, inserimos os "sexos". Exibimos o "AC_DF" depois de mapear a coluna "gênero". Isso só é exibido quando utilizamos o método "print ()".

Obtemos a saída especificada quando o código mencionado é executado. Três colunas compõem o primeiro dadoframe. Em seguida, mapeamos a coluna "gênero" para esta técnica "AC_DF" usando a técnica "map ()", que também é demonstrada aqui. "Nan" é exibido, o que indica que não inserimos nenhum valor.

Exemplo 3:

Neste exemplo, criamos a série Pandas depois de importar os pandas. Geramos esta série de pandas usando o “PD.Método da série ”de pandas. Este "PD" acessa este método "série". Inserimos alguns dados nesta série e salvamos a série na variável "Animals". Esta série contém "coelho, vaca, rato, cachorro, mouse e urso".

Então, exibimos esta série. Depois de exibir a série "Animals", mapeamos uma linha para todos os valores da série. Usamos o método "map ()" e inserimos "eu sou um ". Insira o nome dos animais um por um nesses aparelhos encaracolados. Em seguida, imprima -os, o que significa que exibe esta linha com todos os nomes de animais. Ele renderiza a série após o mapeamento, pois está escrito dentro do método "print ()".

Você pode ver que os nomes de animais são renderizados em uma série. Em seguida, ele mapeia a linha que escrevemos anteriormente com todos os nomes de animais e imprime a corda "I Am a" com todos os nomes de animais.

Exemplo 4:

Agora, importamos os pandas e a biblioteca Numpy porque utilizamos a função ou método de pandas e numpy neste exemplo. Geramos o "c_list" que contém o "c_fee" e o "c_dur". No "c_fee", colocamos "22000, 25000, 23000, NP.Nan e 26000 ”. Aqui, “NP.Nan ”significa que obtemos esse valor da biblioteca Numpy. Em seguida, colocamos os dados no “c_dur”, que é “20 dias, 50 dias, 40 dias, 35 dias e 45 dias”. Este "c_list" é convertido para o "c_df".

Em seguida, aplicamos algumas funções neste método "map ()". Usamos o método "lambda" aqui e substituímos 10% dos valores "c_fee". Isso é salvo em outra coluna que adicionamos aqui com o nome "taxa". Mapeamos essa "taxa" com a coluna "c_fee". Então, usamos o método "print ()". O "c_df" é exibido quando a coluna "gênero" é mapeada para ela.

Duas colunas apareceram aqui antes do mapeamento. Quando o método "map ()" é aplicado, uma nova coluna "taxa" é inserida com essas duas colunas. Ele exibe o valor após substituir 10% dos valores "c_fee". No lugar de "Nan", também torna "Nan" na coluna "Fee" porque não há valor presente no "c_fee" ao qual o cálculo é aplicado.

Conclusão

O principal objetivo deste guia é fornecer uma função muito bem, fácil e descritiva sobre a função "map ()" em pandas.Este guia explicou o conceito da função "map ()" de uma maneira bem-educada. Mostramos como utilizar a função "map ()" nos códigos aqui. Como explicamos, o método "map ()" é usado para mapear os valores da série em suas entradas correspondentes. Ilustramos quatro exemplos neste guia, onde utilizamos o método "map ()". Depois de aprender este guia minuciosamente, esperamos que você consiga utilizar esse método "map ()" em pandas facilmente.