python pandas的map函数使用

前言

大家在使用pandas的时候，大部分可能就是一些匹配关系，主要也就是使用merge函数之类的。

但是有时候在匹配的时候，并不需要使用merge的函数，使用别的函数也是可以做到，今天也就是给大家分享一个找BOSS的代码。

问题

有这样的一个数据，这个数据的第一列是员工的ID，第二列是员工的Name，第三列是这个员工所属的直接部门，第四列代表这个员工所属的上级部门。

那么我要想找到员工的boss应该怎么办？

数据代码如下：

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\', \'二级部门\', \'一级部门\'])
df

解决方案

很多人可能想到，这样的问题就很简单了，直接使用merge做数据合并的操作。也就是所谓的我自己合并我自己。

这里提供两个方案，使用pandas的map函数或者replace函数就可以优雅的解决我们的难题，代码也是超级简单。

1 使用map函数

df[\'Boss\'] = df[\'一级部门\'].map(df.set_index(\'二级部门\')[\'Name\'])
df

2 使用replace函数

# 重置df数据
df = pd.DataFrame(np.array([[1000, \'Jerry\', \'BR1\',\'BR1\'],
                             [1001, \'Sal\', \'BR2\', \'BR1\'],
                             [1002, \'Buck\', \'BR3\', \'BR2\'],
                             [1003, \'Perry\',\'BR4\',\'BR1\']]),
                   columns=[\'ID\', \'Name\', \'二级部门\', \'一级部门\'])
# 使用repalce函数
df[\'Boss\'] = df[\'一级部门\'].replace(df.set_index(\'二级部门\')[\'Name\'])
df

函数介绍

map函数介绍

根据输入关系映射对应Series的值。

说白了，map函数就是将一列数据（DataFrame的一列 或者一个pd.Series)按照一个参考数据（Dict或者是pd.Series或者是一个函数）做数值的映射关系。

下面就是创建了一个df，这个df是只含有一个id列。

然后创建一个索引叫index1，这个索引的值分别对应a, b, c,索引的键分别是100,101,102。

使用map函数就可以帮助df的id列找到对应的名字。

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。

参考链接：

• https://stackoverflow.com/questions/70456586/pandas-column-from-match-without-merge
• https://pandas.pydata.org/docs/reference/api/pandas.Series.map.html