python pandas的map函數(shù)使用

更新時間：2024年06月29日 09:17:39 作者：yuanzhoulvpi

這篇文章主要介紹了python pandas的map函數(shù)使用,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教

前言

大家在使用pandas的時候，大部分可能就是一些匹配關(guān)系，主要也就是使用merge函數(shù)之類的。

但是有時候在匹配的時候，并不需要使用merge的函數(shù)，使用別的函數(shù)也是可以做到，今天也就是給大家分享一個找BOSS的代碼。

問題

有這樣的一個數(shù)據(jù)，這個數(shù)據(jù)的第一列是員工的ID，第二列是員工的Name，第三列是這個員工所屬的直接部門，第四列代表這個員工所屬的上級部門。

那么我要想找到員工的boss應(yīng)該怎么辦？

數(shù)據(jù)代碼如下：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.array([[1000, 'Jerry', 'BR1','BR1'],
                             [1001, 'Sal', 'BR2', 'BR1'],
                             [1002, 'Buck', 'BR3', 'BR2'],
                             [1003, 'Perry','BR4','BR1']]),
                   columns=['ID', 'Name', '二級部門', '一級部門'])
df

解決方案

很多人可能想到，這樣的問題就很簡單了，直接使用merge做數(shù)據(jù)合并的操作。也就是所謂的我自己合并我自己。

這里提供兩個方案，使用pandas的map函數(shù)或者replace函數(shù)就可以優(yōu)雅的解決我們的難題，代碼也是超級簡單。

1 使用map函數(shù)

df['Boss'] = df['一級部門'].map(df.set_index('二級部門')['Name'])
df

2 使用replace函數(shù)

# 重置df數(shù)據(jù)
df = pd.DataFrame(np.array([[1000, 'Jerry', 'BR1','BR1'],
                             [1001, 'Sal', 'BR2', 'BR1'],
                             [1002, 'Buck', 'BR3', 'BR2'],
                             [1003, 'Perry','BR4','BR1']]),
                   columns=['ID', 'Name', '二級部門', '一級部門'])
# 使用repalce函數(shù)
df['Boss'] = df['一級部門'].replace(df.set_index('二級部門')['Name'])
df