基本的な例を挙げて、これらのベクトル化手法をいつ使用すればよいか教えてください。
はメソッドmap
ですSeries
が、残りはメソッドです。ただし、とメソッドDataFrame
については混乱しました。関数を DataFrame に適用するのに 2 つのメソッドがあるのはなぜですか? 繰り返しになりますが、使用方法を示す簡単な例があると便利です。apply
applymap
ベストアンサー1
apply
DataFrameの行/列単位で動作します
applymap
。DataFrameの要素単位で動作します。Series
map
の要素単位で動作します。
ウェス・マッキニーから直接データ分析のためのPython本書、132ページ(私はこの本を強く推薦します):
もう一つのよくある操作は、1D 配列の各列または行に関数を適用することです。DataFrame の apply メソッドはまさにこれを実行します。
In [116]: frame = DataFrame(np.random.randn(4, 3), columns=list('bde'), index=['Utah', 'Ohio', 'Texas', 'Oregon'])
In [117]: frame
Out[117]:
b d e
Utah -0.029638 1.081563 1.280300
Ohio 0.647747 0.831136 -1.549481
Texas 0.513416 -0.884417 0.195343
Oregon -0.485454 -0.477388 -0.309548
In [118]: f = lambda x: x.max() - x.min()
In [119]: frame.apply(f)
Out[119]:
b 1.133201
d 1.965980
e 2.829781
dtype: float64
最も一般的な配列統計 (合計や平均など) の多くは DataFrame メソッドであるため、apply を使用する必要はありません。
要素ごとの Python 関数も使用できます。フレーム内の各浮動小数点値からフォーマットされた文字列を計算したいとします。これは、applymap を使用して実行できます。
In [120]: format = lambda x: '%.2f' % x
In [121]: frame.applymap(format)
Out[121]:
b d e
Utah -0.03 1.08 1.28
Ohio 0.65 0.83 -1.55
Texas 0.51 -0.88 0.20
Oregon -0.49 -0.48 -0.31
applymap という名前が付けられている理由は、Series には要素ごとに関数を適用するための map メソッドがあるためです。
In [122]: frame['e'].map(format)
Out[122]:
Utah 1.28
Ohio -1.55
Texas 0.20
Oregon -0.31
Name: e, dtype: object