HOWTO · Pandas
Pandas マップ
このチュートリアルでは、Series.map()メソッドを使って、Pandas 系列の値を別の値に置き換える方法を説明します。
このページの内容
pandas の Series の各値を Series.map() で変換し、新しい Series を返します。返されるオブジェクトは入力のインデックスを保持するため、変換されるのは値であり、インデックスラベルではありません。関数、辞書形式の検索表、または別の Series に使えます。APIの詳細はSeries.map()のリファレンスを参照してください。
Series.map()が値を変換する仕組み
引数によって、入力値ごとの変換方法が決まります。呼び出し可能な関数には各値が渡され、辞書では入力値がキーとして使われます。対応付けに使う Series では、インデックスが検索キー、値が置き換え後の値になります。検索結果が欠損値になる場合も、返される結果は、変換対象の Series のインデックスを保持します。そのため、変換後の値を元の行に対応させたままにできます。この呼び出しで入力の Series が変更されることはありません。変換後のデータが必要な場所で、戻り値を保存するか代入してください。結果のdtypeは対応付け後の値に応じて決まるため、検索で欠損値が生じたり文字列が返されたりすると、入力とは異なるdtypeになることがあります。
関数、辞書、または Series を選ぶ
規則に従って変換するなら呼び出し可能な関数、固定の検索表を使うなら辞書、検索表をラベル付きデータとして保持しているなら Series を使います。辞書に対応する項目がないキーは、欠損値になります。対応付けに使う Series では、値ではなくインデックスを検索キーとして照合します。
na_actionで欠損値を扱う
既定では、呼び出し可能な関数は欠損値にも適用されるため、.upper()を呼び出すような処理には適さないことがあります。na_action="ignore"を指定すると、入力の欠損値はそのままにして、ほかの値を変換します。このオプションは欠損行を削除しません。入力値自体が欠損していなくても、辞書または Series に対応する項目がなければ、結果は欠損値になります。
DataFrameの列を対応付ける
DataFrameから1列を選択すると Series が返るため、その列に map() を呼び出し、返された Series を列に再代入できます。ほかの列はそのままです。代入時にはインデックスに基づいて行が対応付けられるため、返された Series は選択した列の行ラベルを保持します。
例を実行して確認する
この自己完結型の例を実行する前に、Python環境にpandasをインストールしてください。各対応付けの結果が表示されるので、値とインデックスを手元で確認できます。以下はこのコードで取得された出力です。コードと出力に含まれる表示ラベルは、例のバイト単位の一致を保つため英語のままです。
この例を実行します。
import pandas as pd
scores = pd.Series([85, 87, 90], index=["a", "b", "c"])
print("Callable:")
print(scores.map(lambda value: value + 5))
labels = {85: "pass", 90: "excellent"}
print("Dictionary:")
print(scores.map(labels))
label_table = pd.Series({85: "pass", 87: "review", 90: "excellent"})
print("Series lookup:")
print(scores.map(label_table))
names = pd.Series(["ada", pd.NA, "lin"])
print("Ignore missing values:")
print(names.map(lambda value: value.upper(), na_action="ignore"))
table = pd.DataFrame({"score": [85, 90], "student": ["Ada", "Lin"]}, index=["a", "b"])
table["grade"] = table["score"].map({85: "pass", 90: "excellent"})
print("Mapped DataFrame column:")
print(table)
Callable:
a 90
b 92
c 95
dtype: int64
Dictionary:
a pass
b NaN
c excellent
dtype: str
Series lookup:
a pass
b review
c excellent
dtype: str
Ignore missing values:
0 ADA
1 NaN
2 LIN
dtype: str
Mapped DataFrame column:
score student grade
a 85 Ada pass
b 90 Lin excellent