在資料分析中，根據需求，有時候需要將一些資料進行轉換，而在Pandas中，實現資料轉換的常用方法有：

• 利用函式或是對映
• 可以將自己定義的或者是其他包提供的函式用在Pandas物件上實現批量修改。
• applymap和map例項方法

　　在本節中，使用調查的某公司的員工資訊為例：

numeber_project：員工所在專案個數

left：該員工是否離職

salary：工資級別

>>> import pandas as pd
>>> import numpy as np
>>> data  = pd.read_csv('./input/HR.csv',encoding = 'gbk')
>>> data = data[['number_project','left','salary']]
>>> data.head()
   number_project  left  salary
0               2     1     low
1               5     1  medium
2               7     1  medium
3               5     1     low
4               2     1     low

　一、map()、replace()

（1）使用函式。例：將salary列的資料轉換成每個單詞的字母大寫：

>>> data['salary'].map(str.title)[:5]
0       Low
1    Medium
2    Medium
3       Low
4       Low
Name: salary, dtype: object

（2）使用對映關係的字典。例：對於left，生成一個指標標量indicator。若為‘YES’，表示left＝１，若為‘NO’，表示left=0（一般在資料處理時是將字元處理成0,1...n，在此時為了便於理解，故如此舉例）。

>>> mapper = {0:'NO',1:'YES'}
>>> data['left'] = data['left'].map(mapper)
>>> data.head()
   number_project left  salary
0               2  YES     Low
1               5  YES  Medium
2               7  YES  Medium
3               5  YES     Low
4               2  YES     Low

（3）重新命名索引---->通過map方法可以對行索引或是列名的Index物件進行修改（行索引和列明都是Index物件）

>>> data.columns
Index(['number_project', 'left', 'salary'], dtype='object')
>>> data.columns.map(str.upper)
Index(['NUMBER_PROJECT', 'LEFT', 'SALARY'], dtype='object')

（4）使用對映，若需要將資料按照一定的對映關係進行替換，使用replace()。多個值的替換可以用列表，少數的值可以用包含對映關係的字典字典。

例：將number_project的值2、3、4設定為less，5、6、7設定為More。

>>> data['number_project'] = data['number_project'].replace([2,3,4,5,6,7]，['Less','Less','Less','More','More','More'])
>>> data.head()
  number_project left  salary
0           Less  YES     Low
1           More  YES  Medium
2           More  YES  Medium
3           More  YES     Low
4           Less  YES     Low