.NET開発者のためのブログメディア
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！
目次
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。
リスト
Pythonでのリストに対する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。
|
1 2 3 4 5 6 7 8 9 |
# 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 |
[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。
|
1 2 3 4 5 6 7 8 9 10 11 |
# 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 |
[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。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 |
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 |
[[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。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 |
# 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。
|
1 2 3 4 |
['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。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 |
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。
|
1 2 3 4 5 6 |
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。
|
1 2 3 4 5 6 |
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。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 |
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。
|
1 2 3 4 5 6 7 8 9 10 11 12 |
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。
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。
