데이터프레임의 다양한 응용

1. 함수 매핑

• 시리즈 또는 데이터프레임의 개별 원소를 특정 함수에 일대일 대응시키는 과정

1-1 개별 원소에 함수 매핑

• Series의 원소에 함수 매핑

  # 시리즈 원소의 개수만큼 함수의 리턴값을 받아서 같은 크기의 시리즈 객체로 반환
  Series.apply(매핑 함수)
  

  df.head()
  

  

  def add_10(n):
  		return n + 10
  
  sr1 = df['age'].apply(add_10)
  sr1.head()
  

  

  def add_two_obj(a, b):
  		return a + b
  
  sr2 = df['age'].apply(add_two_obj, b=10)
  sr2.head()
  

  

  sr3 = df['age'].apply(lambda x: add_10(x))
  sr3.head()
  

  

• DataFrame 원소에 함수 매핑

  # 원소의 원래 위치에 매핑 함수의 리턴값을 입력하여 동일한 형태의 데이터프레임이 만들어진다.
  DataFrame.applymap(매핑 함수)
  

  df = titanic.loc[:, ['age', 'fare']]
  print(df.head())
  print('\\n')
  
  df_map = df.applymap(add_10)
  print(df_map.head())
  

  

  

1.2 시리즈 객체에 함수 매핑

• 데이터프레임의 각 열에 함수 매핑

# 모든 열을 하나씩 분리하여 매핑 함수의 인자로 각 열(시리즈)이 전달된다.
DataFrame.apply(매핑 함수, axis=0)

• 시리즈 입력, 시리즈 반환 함수 매핑 ⇒ 데이터프레임 반환

def missing_value(series):
		return series.isnull()

result = df.apply(missing_value, axis=0)
print(result.head())
print('\\n')
print(type(result))

• 시리즈 입력, 하나의 값 반환 함수 매핑 ⇒ 시리즈 반환 (axis=0 기본 적용)

def min_max(x):
		return x.max() - x.min()

result = df.apply(min_max)
print(result)
print('\\n')
print(type(result))

• 데이터프레임의 각 행에 함수 매핑

# 각 행을 매핑 함수의 인자로 전달, 데이터프레임의 행 인덱스가 매핑 결과로 반환되는 시리즈의 인덱스가 됨.
# 시리즈의 인덱스에 매칭되는 데이터 값에는 각 행의 데이터를 함수에 적용한 리턴값을 가져옴.
DataFrame.apply(매핑 함수, axis=1)

• 2개의 열 (’age’, ‘ten’) 더하기

df['ten'] = 10

df['add'] = df.apply(lambda x: add_two_obj(x['age'], x['ten']), axis=1)
df.head()

1.3 데이터프레임 객체에 함수 매핑

# 함수가 데이터프레임, 시리즈, 개별 값을 반환하는 각각의 경우에 따라 메소드가 반환하는 객체의 종류가 결정
DataFrame.pipe(매핑 함수)