【Python】pandasのapplymapでデータフレームの各要素に関数を適用する方法

データ分析を行っていると、データフレームのすべての要素に対して個別に関数を適用したいという場面によく出会います。しかし、NumPyのようにすべての処理がベクトル化できるとは限りません。そんなときに役立つのが、pandasのapplymapメソッドです。

applymapは、「1つの値を受け取り、1つの値を返す」関数をデータフレームの全要素に適用します。これにより、ベクトル化されていない任意の処理も要素単位で実行できます。

サンプルコード

import pandas as pd
import numpy as np

# 5行5列のランダムなデータでデータフレームを作成
my_df = pd.DataFrame(np.random.randn(5, 5),
                     columns=['col_1', 'col_2', 'col_3', 'col_4', 'col_5'])

print("生成されたデータフレーム：")
print(my_df)

# 各要素に11.45を掛けるラムダ関数を適用
print("\napplymap関数を適用した結果：")
result_df = my_df.applymap(lambda x: x * 11.45)
print(result_df)

出力例

生成されたデータフレーム：
     col_1     col_2     col_3     col_4     col_5
0 -0.671510 -0.860741  0.886484  0.842158  2.182341
1 -1.355763  0.247240 -0.653630 -0.278095  0.163044
2 -0.816203  1.664006  1.555648  1.625890 -0.412338
3 -1.013273 -1.565076  1.297014 -0.303504 -1.623573
4  0.725949 -0.077588 -0.886957  0.433478 -0.300151

applymap関数を適用した結果：
      col_1      col_2      col_3      col_4      col_5
0  -7.688790  -9.855485  10.150242   9.642709  24.987805
1 -15.523486   2.830898  -7.484063  -3.184187   1.866854
2  -9.345524  19.052869  17.812169  18.616430  -4.721270
3 -11.601976 -17.921120  14.850810  -3.475121 -18.589911
4   8.312116  -0.888381 -10.155658   4.963323  -3.436729

コードの解説

• まず、必要なライブラリ（pandasとnumpy）をインポートし、使いやすいようにエイリアス名（pd、np）を付けています。

• np.random.randn()関数を使って、標準正規分布に従う乱数からなる5行×5列のデータを作成し、それをもとにデータフレームを生成しています。

• 列名は、データフレーム作成時にcolumns引数へリストとして渡すことで定義しています。

• 生成したデータフレームをprint()でコンソールに出力しています。

• applymapメソッドを呼び出し、その引数として「受け取った値に11.45を掛けて返す」ラムダ関数（無名関数）を渡しています。

• applymapはデータフレームの各要素ごとにこの関数を実行し、同じ形状の新しいデータフレームを返します。結果は変数に代入してから出力すると分かりやすくなります。

補足：applymapとapplyの違い、そして最新のpandasについて

• applymap：データフレームの全要素（個々のセル）に関数を適用します。

• apply：行または列単位（axis=0なら列方向、axis=1なら行方向）で関数を適用します。集計処理などに向いています。

• Series.map：シリーズ（1列）の各要素に関数を適用します。

なお、pandas 2.1.0以降ではDataFrame.applymapは非推奨となり、代わりにDataFrame.mapの使用が推奨されています。動作はほぼ同じなので、新しい環境では以下のように書き換えるとよいでしょう。

result_df = my_df.map(lambda x: x * 11.45)

このようにapplymap（またはmap）を使えば、複雑な変換処理でもデータフレームの全要素に簡単かつ柔軟に関数を適用できます。