1. 함수 매핑
- 데이터프레임에 함수를 매핑하는 방법
- 데이터를 집계하는 그룹연산
- 데이터프레임을 합치거나 다양한 형태로 구조를 변경하는 방법 등등
함수 매핑이란?
시리즈 또는 데이터프레임의 개별 원소를 특정 함수에 일대일 대응시키는 과정이다.
사용자가 직접 만든 함수(lambda 함수 포함)를 적용할 수 있기 때문에 판다스 기본 함수로 처리하기 힘든 복잡한 연산을 데이터프레임 등 판다스 객체에 적용하는 것이 가능하다.
1-1. 개별 원소에 함수 매핑
시리즈 객체에 apply() 메소드를 적용하면 인자로 전달하는 매핑 함수에 시리즈의 모든 원소를 하나씩 입력하고 함수의 리턴값을 돌려받는다.
- 시리즈의 원소에 함수 매핑 : Serise 객체.apply(매핑함수)
import seaborn as sns
def add_10(n):
return n+10
def add_two_obj(a,b):
return a+b
titanic = sns.load_dataset('titanic')
df = titanic.loc[:,['age','fare']]
df['ten']=10
print(df.head())
sr1 = df['age'].apply(add_10)
print(sr1.head())
# 시리즈 객체와 숫자에 적용: 2개의 인수(시리즈+숫자)
sr2 =df['age'].apply(add_two_obj,b=10) # a=df['age']의 모든 원소, b=10
print(sr2.head())
# lambda 함수 활용 : 시리즈 객체에 적용
sr3 =df['age'].apply(lambda x = add_10(x)) # x = df['age']
print(sr3.head()
데이터프레임에 applymap()메소드를 활용하면 매핑 함수에 데이터프레임의 각 원소를 하나씩 넣어서 리턴값으로 돌려받는다.
- 데이터프레임에 함수매핑 : DataFrame객체.applymap()
import seaborn as sns
titanic = sns.load_dataset('titanic')
df = titanic.loc[:,['age','fare']]
print(df.head())
print('\n')
def add_10(n):
return n+10
df_map = df.applymap(add_10)
print(df_map.head())
1-2. 시리즈 객체에 함수 매핑
- 데이터프레임의 각 열에 함수 매핑
apply(axis=0)메소드를 적용하면 모든 열을 하나씩 분리하여 매핑 함수의 인자로 각 열이 전달된다. - 데이터프레임의 열에 함수 매핑 : DataFrame객체.apply(매핑함수,axis=0)
ex1)
import seaborn as sns
titanic = sns.load_dataset('titanic')
df = titanic.loc[:,['age','fare']]
print(df.head())
print('\n')
def missing_value(series):
return series.isnull()
result = df.apply(missing_value,axis=0)
print(result.head())
ex2)
import seaborn as sns
titanic = sns.load_dataset('titanic')
df = titanic.loc[:,['age','fare']]
def min_max(x):
return x.max()-x.min()
result = df.apply(min_max,axis=0) # default axis=0
print(result)
print(type(result))
- 데이터프레임의 각 행에 함수 매핑
- 데이터프레임의 행에 함수 매핑 : Dataframe객체.apply(axis=1) 적용
import seaborn as sns
titanic = sns.load_dataset('titanic')
df = titanic.loc[:,['age','fare']]
df['ten']=10
def add_two_obj(a,b):
return a+b
print(df.head())
df['add'] = df.apply(lambda x : add_two_obj(x['age'],x['ten']),axis=1)
print(df.head())1-2. 데이터프레임 객체에 함수 매핑
- 데이터프레임 객체
- 데이터프레임 객체에 함수 매핑 : DataFrame 객체.pipe(매핑함수)
from os import add_dll_directory
import seaborn as sns
titanic = sns.load_dataset('titanic')
df = titanic.loc[:,['age','fare']]
df['ten']=10
def max_min(x):
return x.max()-x.min()
def add_10(x):
return x+10
def add_two_obj(a,b):
return a+b
# 각 열의 NaN 찾기 - 데이터프레임을 전달하면 데이터프레임 반환
def missing_value(x):
return x.isnull()
# 각 열의 NaN 개수 반환 - 데이터프레임을 전달하면 시리즈 전환
def missing_count(x):
return missing_value(x).sum()
# 데이터프레임의 총 NaN 개수 - 데이터프레임을 전달하면 값 반환
def total_number_missing(x):
return missing_count(x).sum()
print('원본','\n',df.head())
# 데이터프레임의 행 매핑
df['added'] = df.apply(lambda x : add_two_obj(x['age'],x['ten']),axis=1)
print(df.head())
# 데이터프레임의 열 매핑
result0 = df.apply(max_min,axis=0)
print(result0)
# 데이터프레임 원소에 함수매핑
result1 = df.applymap(add_10)
print(result1.head())
# 데이터프레임 객체에 함수매핑
result_df = df.pipe(missing_value)
print(result_df.head())
print(type(result_df))
# 데이터프레임 객체에 함수매핑
result_series = df.pipe(total_number_missing)
print(result_series)
print(type(result_series))
