.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！
- SE
- map関数の特徴について教えてください。
- PM
- 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。
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。
- SE
- 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。
- PM
- 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。
Search キーワード検索
Popular 人気の記事
reccomended おすすめ記事
Categories 連載一覧
Tags タグ一覧
Jobs 新着案件
-
開発エンジニア/東京都品川区/【WEB面談可】/在宅ワーク
月給29万～30万円東京都品川区(大崎駅) -
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
月給45万～60万円東京都港区(六本木駅) -
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
月給30万～30万円東京都豊島区(池袋駅) -
開発/JavaScript/東京都豊島区/【WEB面談可】/テレワーク
月給50万～50万円東京都豊島区(大塚駅) -
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
月給62万～67万円東京都文京区(後楽園駅)