[Python] Pandas _ Apply, Map

✅ Data Load

    # Data Load & 데이터 행, 열의 갯수 출력

    DataUrl = 'https://raw.githubusercontent.com/Datamanim/pandas/main/BankChurnersUp.csv'

    df = pd.read_csv(DataUrl)

    Ans = df.shape

    Ans

(10127, 19)

✅ Mapping

    # Income_Category의 카테고리를 map 함수를 이용하여 다음과 같이 변경하여 newIncome 컬럼에 매핑하라

    # Unknown : N

    # Less than $40K : a

    # $40K - $60K : b

    # $60K - $80K : c

    # $80K - $120K : d

    # $120K + : e

    dic = {

        'Unknown' : 'N',

        'Less than $40K' : 'a',

        '$40K - $60K' : 'b',

        '$60K - $80K' : 'c',

        '$80K - $120K' : 'd',

        '$120K +' : 'e'

    }

    df['newIncome'] = df.Income_Category.map(lambda x : dic[x])

    Ans = df['newIncome']

    Ans.head(4)

0    c
1    a
2    d
3    a
Name: newIncome, dtype: object

✔️ Lambda 란 함수를 한 줄로 표현하는 함수 기법

✔️ Map 함수 란 함수와 Sequence형 데이터를 Parameter로 입력받아,

      각 element 마다 함수를 적용하여 List 로 반환하는 함수

 

✅ Apply

    # Income_Category의 카테고리를 apply 함수를 이용하여 다음과 같이 변경하여 newIncome 컬럼에 매핑하라

    # Unknown : N

    # Less than $40K : a

    # $40K - $60K : b

    # $60K - $80K : c

    # $80K - $120K : d

    # $120K + : e

    def changeCategory(x):

        if x == 'unknown':

            return 'N'

 

        elif x == 'Less than $40K':

            return 'a'

 

        elif x == '$40K - $60K':

            return 'b'

 

        elif x == '$60K - $80K':

            return 'c'

 

        elif x == '$80K - $120K':

            return 'd'

 

        elif x == '$120K +':

            return 'e'    

    df['newIncome'] = df.Income_Category.apply(changeCategory)

    Ans = df['newIncome']

    Ans.head(4)

0    c
1    a
2    d
3    a
Name: newIncome, dtype: object

✅ Mapping - 빈도 수 출력 1

    # Customer_Age의 값을 이용하여 나이 구간을 AgeState 컬럼으로 정의하기

    # (0~9 : 0 , 10~19 :10 , 20~29 :20 … 각 구간의 빈도수를 출력)

    df['AgeState'] = df.Customer_Age.map(lambda x : x//10 *10)

    Ans = df['AgeState'].value_counts().sort_index()

    Ans

AgeState
20     195
30    1841
40    4561
50    2998
60     530
70       2
Name: count, dtype: int64

✅ Mapping - 빈도 수 출력 2

    # Education_Level의 값중 Graduate단어가 포함되는 값은 1 그렇지 않은 경우에는 0으로 변경하여

    # newEduLevel 컬럼을 정의하고 빈도수를 출력

    df['newEduLevel'] = df.Education_Level.map(lambda x : 1 if 'Graduate' in x else 0)

    Ans = df['newEduLevel'].value_counts

    Ans

<bound method IndexOpsMixin.value_counts of 0        0
1        1
2        1
3        0
4        0
        ..
10122    1
10123    0
10124    0
10125    1
10126    1
Name: newEduLevel, Length: 10127, dtype: int64>

✅ Mapping - 빈도 수 출력 3

    # Credit_Limit 컬럼값이 4500 이상인 경우 1 그외의 경우에는 모두 0으로 하는 newLimit 정의하기

    # newLimit 각 값들의 빈도수를 출력

    df['newLimit'] = df.Credit_Limit.map(lambda x : 1 if x >= 4500 else 0)

    Ans = df['newLimit'].value_counts

    Ans

<bound method IndexOpsMixin.value_counts of 0        1
1        1
2        0
3        0
4        1
        ..
10122    0
10123    0
10124    1
10125    1
10126    1
Name: newLimit, Length: 10127, dtype: int64>

✅ Apply - 빈도 수 출력 1

    # Marital_Status 컬럼값이 Married 이고 Card_Category 컬럼의 값이 Platinum인 경우 1 그외의 경우에는

    # 모두 0으로 하는 newState컬럼을 정의하기, newState의 각 값들의 빈도수를 출력

    def check(x):

        if x.Marital_Status == "Married" and x.Card_Category == "Platinum":

            return 1

 

        else:

            return 0

    df['newState'] = df.apply(check, axis=1)

    Ans = df['newState'].value_counts()

    Ans

newState
0    10120
1        7
Name: count, dtype: int64

✅ Apply - 빈도 수 출력 2

    # Gender 컬럼값 M인 경우 male, F인 경우 female로 값을 변경하여 Gender 컬럼에 새롭게 정의하기

    # 각 value의 빈도를 출력

    def ChangeGender(x):

        if x == 'M' :

            return 'male'

       

        else :

            return 'female'

    df['Gender'] = df.Gender.apply(ChangeGender)

    Ans = df['Gender'].value_counts()

    Ans

Gender
female    5358
male      4769
Name: count, dtype: int64