Aggiungendo alle altre risposte, in un Series
ci sono anche mappa e applicare .
Applicare può creare un DataFrame da una serie ; tuttavia, map inserirà semplicemente una serie in ogni cella di un'altra serie, che probabilmente non è ciò che desideri.
In [40]: p=pd.Series([1,2,3])
In [41]: p
Out[31]:
0 1
1 2
2 3
dtype: int64
In [42]: p.apply(lambda x: pd.Series([x, x]))
Out[42]:
0 1
0 1 1
1 2 2
2 3 3
In [43]: p.map(lambda x: pd.Series([x, x]))
Out[43]:
0 0 1
1 1
dtype: int64
1 0 2
1 2
dtype: int64
2 0 3
1 3
dtype: int64
dtype: object
Inoltre, se avessi una funzione con effetti collaterali, come "connettersi a un server Web", probabilmente userei apply
solo per motivi di chiarezza.
series.apply(download_file_for_every_element)
Map
può usare non solo una funzione, ma anche un dizionario o un'altra serie. Diciamo che vuoi manipolare le permutazioni .
Prendere
1 2 3 4 5
2 1 4 5 3
Il quadrato di questa permutazione è
1 2 3 4 5
1 2 5 3 4
Puoi calcolarlo usando map
. Non sono sicuro che l'auto-applicazione sia documentata, ma funziona 0.15.1
.
In [39]: p=pd.Series([1,0,3,4,2])
In [40]: p.map(p)
Out[40]:
0 0
1 1
2 4
3 2
4 3
dtype: int64