Pythonでのmapの使い方とは？リストやDataFrameに対するmapの使い方を解説！

Python
プログラミング言語

公開日時: 2021-10-06 　更新日時: 2022-06-01

Pythonでのmapの使い方とは？リストやDataFrameに対するmapの使い方を解説！

この記事でわかること

システム エンジニア: map関数の特徴について教えてください。

プロジェクト マネージャー: map関数とは、構成要素全てに対して関数を適応してくれる関数のことです。よく似た関数もありますので、実際のコードを見ながら理解を深めていきましょう。

Pythonでのmapの使い方とは？

今回は、Pythonでのmapの使い方について説明します。

mapを使えば、リストや配列、辞書、DataFrameなどの全要素に対して、同じ処理をすることができます。例えば、リストの全要素を2倍して新しいリストを作成する、などが可能です。

Pythonでのmapの使い方に興味のある方はぜひご覧ください。

# listの生成
mylist = list(range(1, 11))
print(mylist) # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# listの値を2倍する
print(list(map(lambda x: x*2, mylist))) # [2, 4, 6, 8, 10, 12, 14, 16, 18, 20]

# listの値を2乗する
print(list(map(lambda x: x**2, mylist))) # [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

# listの生成

mylist = list(range(1, 11))

print(mylist) # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# listの値を2倍する

print(list(map(lambda x: x*2, mylist))) # [2, 4, 6, 8, 10, 12, 14, 16, 18, 20]

# listの値を2乗する

print(list(map(lambda x: x**2, mylist))) # [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

実行結果は以下のようになります。

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
[2, 4, 6, 8, 10, 12, 14, 16, 18, 20]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

[2, 4, 6, 8, 10, 12, 14, 16, 18, 20]

[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

文字列リストについても、全要素に対して処理できます。

# 文字列をintに変換
print(list(map(int,  ("1", "2", "3", "4", "5"))))
# [1, 2, 3, 4, 5]

# 1文字ずつ分割
print(list(map(lambda c: f'{c}', 'This is sample code.')))
# ['T', 'h', 'i', 's', ' ', 'i', 's', ' ', 's', 'a', 'm', 'p', 'l', 'e', ' ', 'c', 'o', 'd', 'e', '.']

# 先頭を大文字に変換
print(list(map(lambda k: k.capitalize(), ['red', 'green', 'blue', 'white', 'black'])))
# ['Red', 'Green', 'Blue', 'White', 'Black']

# 文字列をintに変換

print(list(map(int, ("1", "2", "3", "4", "5"))))

# [1, 2, 3, 4, 5]

# 1文字ずつ分割

print(list(map(lambda c: f'{c}', 'This is sample code.')))

# ['T', 'h', 'i', 's', ' ', 'i', 's', ' ', 's', 'a', 'm', 'p', 'l', 'e', ' ', 'c', 'o', 'd', 'e', '.']

# 先頭を大文字に変換

print(list(map(lambda k: k.capitalize(), ['red', 'green', 'blue', 'white', 'black'])))

# ['Red', 'Green', 'Blue', 'White', 'Black']

実行結果は以下のようになります。

[1, 2, 3, 4, 5]
['T', 'h', 'i', 's', ' ', 'i', 's', ' ', 's', 'a', 'm', 'p', 'l', 'e', ' ', 'c', 'o', 'd', 'e', '.']
['Red', 'Green', 'Blue', 'White', 'Black']

[1, 2, 3, 4, 5]

['T', 'h', 'i', 's', ' ', 'i', 's', ' ', 's', 'a', 'm', 'p', 'l', 'e', ' ', 'c', 'o', 'd', 'e', '.']

['Red', 'Green', 'Blue', 'White', 'Black']

このようにPythonでは、リストに対してmapを使った処理ができます。

配列

Pythonでの配列に対するmapの使い方を紹介します。実際のソースコードを見てみましょう。

import numpy as np

# 要素を2倍する関数
def myFunc(var):
   var *= 2
   return var

# 2次元配列
myarray = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
print(myarray)
# [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

# 2次元配列の全要素にmyFuncを適用
f = np.vectorize(myFunc)
myarray = f(myarray)
print(myarray)
#[[ 2  4  6]
# [ 8 10 12]
# [14 16 18]]

import numpy as np

# 要素を2倍する関数

def myFunc(var):

var *= 2

return var

# 2次元配列

myarray = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

print(myarray)

# [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

# 2次元配列の全要素にmyFuncを適用

f = np.vectorize(myFunc)

myarray = f(myarray)

print(myarray)

#[[ 2 4 6]

# [ 8 10 12]

# [14 16 18]]

実行結果は以下のようになります。

[[1, 2, 3], [4, 5, 6], [7, 8, 9]]
[[ 2  4  6]
 [ 8 10 12]
 [14 16 18]]

[[1, 2, 3], [4, 5, 6], [7, 8, 9]]

[[ 2 4 6]

[ 8 10 12]

[14 16 18]]

このようにPythonでは、配列に対してmapを使った処理ができます。

辞書

Pythonでの辞書に対するmapの使い方を紹介します。

実際のソースコードを見てみましょう。

# 辞書の生成
mydict = {"key1": 1, "key2": 2, "key3": 3, "key4": 4, "key5": 5}

# keyの先頭を大文字に変換
print(list(map(lambda k: k.capitalize(), mydict)))

# keyを連続で表示
print(list(map(lambda k: k+k, mydict)))

# valueを2倍にする
# mydict.items()を指定することで、keyは[0], valueは[1]でアクセスできる
print(list(map(lambda k: k[1]*2, mydict.items())))

# keyをvalue分連続で表示
print(list(map(lambda k: k[0]*k[1], mydict.items())))

# 辞書の生成

mydict = {"key1": 1, "key2": 2, "key3": 3, "key4": 4, "key5": 5}

# keyの先頭を大文字に変換

print(list(map(lambda k: k.capitalize(), mydict)))

# keyを連続で表示

print(list(map(lambda k: k+k, mydict)))

# valueを2倍にする

# mydict.items()を指定することで、keyは[0], valueは[1]でアクセスできる

print(list(map(lambda k: k[1]*2, mydict.items())))

# keyをvalue分連続で表示

print(list(map(lambda k: k[0]*k[1], mydict.items())))

実行結果は以下のようになります。

['Key1', 'Key2', 'Key3', 'Key4', 'Key5']
['key1key1', 'key2key2', 'key3key3', 'key4key4', 'key5key5']
[2, 4, 6, 8, 10]
['key1', 'key2key2', 'key3key3key3', 'key4key4key4key4', 'key5key5key5key5key5']

['Key1', 'Key2', 'Key3', 'Key4', 'Key5']

['key1key1', 'key2key2', 'key3key3', 'key4key4', 'key5key5']

[2, 4, 6, 8, 10]

['key1', 'key2key2', 'key3key3key3', 'key4key4key4key4', 'key5key5key5key5key5']

このようにPythonでは、辞書に対してmapを使った処理ができます。

DataFrame

PythonでのDataFrameに対するmapの使い方を紹介します。

実際のソースコードを見てみましょう。

import pandas as pd

# 2次元配列の生成
myarray = [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]

# dataframeに変換
df = pd.DataFrame(myarray)
print(df)
#   0  1  2  3   4
#0  1  2  3  4   5
#1  6  7  8  9  10

# dataframeの全要素を2倍する
df = df.applymap(lambda x:x*2)
print(df)
#    0   1   2   3   4
#0   2   4   6   8  10
#1  12  14  16  18  20

import pandas as pd

# 2次元配列の生成

myarray = [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]

# dataframeに変換

df = pd.DataFrame(myarray)

print(df)

# 0 1 2 3 4

#0 1 2 3 4 5

#1 6 7 8 9 10

# dataframeの全要素を2倍する

df = df.applymap(lambda x:x*2)

print(df)

# 0 1 2 3 4

#0 2 4 6 8 10

#1 12 14 16 18 20

実行結果は以下のようになります。

   0  1  2  3   4
0  1  2  3  4   5
1  6  7  8  9  10
    0   1   2   3   4
0   2   4   6   8  10
1  12  14  16  18  20

0 1 2 3 4

0 1 2 3 4 5

1 6 7 8 9 10

0 1 2 3 4

0 2 4 6 8 10

1 12 14 16 18 20

DataFrameに対しては、mapではなくapplymapを使用します。

CSVをDataFrameに読み込んで、全要素に対して処理する方法を紹介します。事前に、以下の内容のsample.csvを用意してください。

col1,col2,col3,col4,col5
1,2,3,4,5
6,7,8,9,10
11,12,13,14,15
16,17,18,19,20
21,22,232,24,25

col1,col2,col3,col4,col5

1,2,3,4,5

6,7,8,9,10

11,12,13,14,15

16,17,18,19,20

21,22,232,24,25

それでは、実際のソースコードを見てみましょう。

import pandas as pd

# csvの読み込み
df = pd.read_csv('sample.csv')
print(df)
#   col1  col2  col3  col4  col5
#0     1     2     3     4     5
#1     6     7     8     9    10
#2    11    12    13    14    15
#3    16    17    18    19    20
#4    21    22   232    24    25

# 全要素に対して*2を実行
df2 = df.applymap(lambda x:x*2)
print(df2)
#   col1  col2  col3  col4  col5
#0     2     4     6     8    10
#1    12    14    16    18    20
#2    22    24    26    28    30
#3    32    34    36    38    40
#4    42    44   464    48    50

import pandas as pd

# csvの読み込み

df = pd.read_csv('sample.csv')

print(df)

# col1 col2 col3 col4 col5

#0 1 2 3 4 5

#1 6 7 8 9 10

#2 11 12 13 14 15

#3 16 17 18 19 20

#4 21 22 232 24 25

# 全要素に対して*2を実行

df2 = df.applymap(lambda x:x*2)

print(df2)

# col1 col2 col3 col4 col5

#0 2 4 6 8 10

#1 12 14 16 18 20

#2 22 24 26 28 30

#3 32 34 36 38 40

#4 42 44 464 48 50

実行結果は以下のようになります。

   col1  col2  col3  col4  col5
0     1     2     3     4     5
1     6     7     8     9    10
2    11    12    13    14    15
3    16    17    18    19    20
4    21    22   232    24    25
   col1  col2  col3  col4  col5
0     2     4     6     8    10
1    12    14    16    18    20
2    22    24    26    28    30
3    32    34    36    38    40
4    42    44   464    48    50

col1 col2 col3 col4 col5

0 1 2 3 4 5

1 6 7 8 9 10

2 11 12 13 14 15

3 16 17 18 19 20

4 21 22 232 24 25

col1 col2 col3 col4 col5

0 2 4 6 8 10

1 12 14 16 18 20

2 22 24 26 28 30

3 32 34 36 38 40

4 42 44 464 48 50

このようにPythonでは、DataFrameに対してmapを使った処理ができます。

システム エンジニア: なるほど。map関数を使えば煩雑な記述を省くことができますね。

プロジェクト マネージャー: はい。シンプルで効率の良い記述が可能です。

まとめ

いかがでしたでしょうか。Pythonでのmapの使い方について説明しました。mapを使えば、リストや配列、辞書、DataFrameなどの全要素に対して、同じ処理をすることができます。

ぜひご自身でソースコードを書いて、理解を深めてください。

FEnet.NETナビ・.NETコラムは株式会社オープンアップシステムが運営しています。

株式会社オープンアップシステムはこんな会社です

秋葉原オフィスには株式会社オープンアップシステムをはじめグループのIT企業が集結！
数多くのエンジニアが集まります。

スマホアプリから業務系システムまで

スマホアプリから業務系システムまで開発案件多数。システムエンジニア・プログラマーとしての多彩なキャリアパスがあります。
充実した研修制度

毎年、IT技術のトレンドや社員の要望に合わせて、カリキュラムを刷新し展開しています。社内講師の丁寧なサポートを受けながら、自分のペースで学ぶことができます。
資格取得を応援

スキルアップしたい社員を応援するために資格取得一時金制度を設けています。受験料(実費)と合わせて資格レベルに合わせた最大10万円の一時金も支給しています。
東証プライム上場企業グループ

オープンアップシステムは東証プライム上場「株式会社オープンアップグループ」のグループ企業です。

安定した経営基盤とグループ間のスムーズな連携でコロナ禍でも安定した雇用を実現させています。

株式会社オープンアップシステムに興味を持った方へ

株式会社オープンアップシステムでは、開発系エンジニア・プログラマを募集しています。

年収をアップしたい！スキルアップしたい！大手の上流案件にチャレンジしたい！
まずは話だけでも聞いてみたい場合もOK。お気軽にご登録ください。

株式会社オープンアップシステムへ応募する
会員登録不要! カンタン45秒!

Pythonでのmapの使い方とは？リストやDataFrameに対するmapの使い方を解説！

Pythonでのmapの使い方とは？

リスト

配列

辞書

DataFrame

まとめ

株式会社オープンアップシステムはこんな会社です

スマホアプリから業務系システムまで

充実した研修制度

資格取得を応援

東証プライム上場企業グループ

株式会社オープンアップシステムに興味を持った方へ

新着案件New Job

開発エンジニア/東京都品川区/【WEB面談可】/在宅ワーク

遠隔テストサービス機能改修/JavaScript/東京都港区/【WEB面談可】/テレワーク

病院内システムの不具合対応、保守/東京都豊島区/【WEB面談可】/テレワーク

開発/JavaScript/東京都豊島区/【WEB面談可】/テレワーク

債権債務システム追加開発/東京都文京区/【WEB面談可】/在宅勤務

PMO/東京都豊島区/【WEB面談可】/在宅勤務

Pythonでのmapの使い方とは？リストやDataFrameに対するmapの使い方を解説！

Pythonでのmapの使い方とは？

リスト

配列

辞書

DataFrame

まとめ

株式会社オープンアップシステムはこんな会社です

スマホアプリから業務系システムまで

充実した研修制度

資格取得を応援

東証プライム上場企業グループ

株式会社オープンアップシステムに興味を持った方へ

新着案件New Job

開発エンジニア/東京都品川区/【WEB面談可】/在宅ワーク

遠隔テストサービス機能改修/JavaScript/東京都港区/【WEB面談可】/テレワーク

病院内システムの不具合対応、保守/東京都豊島区/【WEB面談可】/テレワーク

開発/JavaScript/東京都豊島区/【WEB面談可】/テレワーク

債権債務システム追加開発/東京都文京区/【WEB面談可】/在宅勤務

PMO/東京都豊島区/【WEB面談可】/在宅勤務

関連記事Related Posts

Pythonでできることとは？実際に開発されたWebサービス5選など紹介

［Python］globでのファイル一覧取得の方法とは？基本的な使い方や応用的な使い方を紹介

[Python]2次元配列の徹底解説｜2次元配列の生成から行や列の追加について紹介

Pythonでのsumの使い方とは？listやdataframeなどの合計を計算する方法を紹介

Pythonでのライブラリ管理方法とは？pipコマンドの使い方を紹介します！