pandas :: lambda, map, apply

import pandas as pd
import numpy as np

from pandas import Series

Lambda 함수

• 한 줄로 함수를 표현하는 익명 함수 기법
• Lisp 언어에서 시작된 기법으로 오늘날 현대언어에 많이 사용
• lambda argument : expression

f = lambda x,y : x+y
f(1,4)

5

# 하나의 argument만 처리하는 lambda함수
f = lambda x : x/2
f(3)

1.5

f = lambda x : x**2
f(3)

9

# 이름을 할당하지 않는 lambda함수
(lambda x: x+1)(5)

6

map 함수

• 함수와 sequence형 데이터를 인자로 받아 각 element마다 입력받은 함수를 적용하여 list로 반환
• 일반적으로 함수를 lambda 형태로 표현함
• map(function, sequence)

ex = [1, 2, 3, 4, 5]
f = lambda x : x**2
list(map(f,ex))

[1, 4, 9, 16, 25]

# 두 개 이상의 argument가 있을 때는 두개의 sequence형을 써야함
f = lambda x, y : x+y
list(map(f, ex, ex))

[2, 4, 6, 8, 10]

# 익명함수 그대로 사용할 수 있음
list(map(lambda x : x+x, ex))

[2, 4, 6, 8, 10]

map for series

• pandas의 series type 데이터에서도 map 함수 사용 가능
• function 대신 dict, sequence형 자료 등으로 대체 가능

s1 = Series(np.arange(10))
s1.head(5)

0 0
1 1
2 2
3 3
4 4
dtype: int32

s1.map(lambda x : x**2).head(5)

0 0
1 1
2 4
3 9
4 16
dtype: int64

d1 = {1: 'A', 2: 'B', 3: 'C'}
s1.map(d1).head(5)  #dict type으로 데이터 교체 & 없는 값은 NaN

0 NaN
1 A
2 B
3 C
4 NaN
dtype: object

s2 = Series(np.arange(10, 20))
s1.map(s2).head(5)  # 같은 위치의 데이터를 s2로 전환

0 10
1 11
2 12
3 13
4 14
dtype: int32

Example - map for series

df = pd.read_csv("wages.csv")
df.head()

df.sex.unique()

array(['male', 'female'], dtype=object)

df["sex_code"] = df.sex.map({"male" : 0, "female" : 1})  #성별 str -> 성별 code
df.head(5)

✨ Replace function

• map 함수의 기능 중 데이터 변환 기능만 담당
• 데이터 변환시 많이 사용하는 함수

df. sex.replace({"male": 0, "female" : 1}).head()  # dict type 적용

0 0
1 1
2 1
3 1
4 1
Name: sex, dtype: int64

df.sex.replace(["male", "female"], [0,1], inplace=True)
df.head(5)

apply for dataframe

• map과 달리, series 전체(column)에 해당 함수를 적용
• 입력값이 series 데이터로 입력받아 handling 가능

df_info = df[["earn", "height", "age"]]
df_info.head()

f = lambda x : x.max() - x.min()
df_info.apply(f)  #각 column 별로 결과값 반환

earn 318047.708444
height 19.870000
age 73.000000
dtype: float64

• 내장 연산 함수를 사용할 때도 똑같은 효과
• mean, std 등 사용 가능

df_info.sum()

earn 4.474344e+07
height 9.183125e+04
age 6.250800e+04
dtype: float64

df_info.apply(sum)

earn 4.474344e+07
height 9.183125e+04
age 6.250800e+04
dtype: float64

• scalar 값 이외에 series값의 반환도 가능

def f(x):
    return Series([x.min(), x.max()], index=["min", "max"])
df_info.apply(f)

applymap for dataframe

• series 단위가 아닌 element단위로 함수 적용
• series 단위에 apply를 적용시킬 때와 같은 효과

f = lambda x: -x
df_info.applymap(f).head(5)

f = lambda x: -x
df_info["earn"].apply(f).head(5)

0 -79571.299011
1 -96396.988643
2 -48710.666947
3 -80478.096153
4 -82089.345498
Name: earn, dtype: float64

---

https://www.boostcourse.org/ai222/lecture/23822