[Pandas] map() (조건 라벨링, 값 변환, 딕셔너리 매핑까지 Series 변환의 핵심)

map()은 Pandas에서 **단일 열(Series)**의 값을 변환할 때 가장 직관적이고 빠르게 사용할 수 있는 함수다.
아래와 같은 상황에서 특히 유용하다:

• 숫자를 등급으로 변환하고 싶을 때
• 특정 키워드를 다른 텍스트로 바꾸고 싶을 때
• 조건 기반 라벨링을 한 줄로 하고 싶을 때
• 단일 열에만 함수 적용이 필요한 경우

 

예제 데이터

import pandas as pd

df = pd.DataFrame({
    'score': [95, 82, 67, 74, 59],
    'gender': ['M', 'F', 'F', 'M', 'M']
})

---

기본 문법

Series.map(func_or_dict)

 

• func_or_dict: 함수, 딕셔너리, Series 가능
• 반환값은 Series

---

1. 예제: 숫자 점수를 등급으로 변환 (함수 기반)

def to_grade(x):
    if x >= 90: return 'A'
    elif x >= 80: return 'B'
    elif x >= 70: return 'C'
    else: return 'D'

df['grade'] = df['score'].map(to_grade)

 

→ map()으로 각 행의 값을 지정된 함수에 넣어 변환

 

 

2. 예제: 간단한 lambda로 변환

df['passed'] = df['score'].map(lambda x: 'Y' if x >= 70 else 'N')

→ apply()보다 가볍고 가독성 좋음 (단일 열일 경우)

 

 

3. 예제: 딕셔너리 기반 값 치환

gender_map = {'M': '남성', 'F': '여성'}
df['gender_kr'] = df['gender'].map(gender_map)

→ 'M' → '남성', 'F' → '여성'으로 값 매핑

map(dict)은 .replace()와 유사하지만 Series 전용이며 반환도 Series

 

 

4. 예제: 결측치 포함된 경우

df['gender'].map({'M': '남성'})

→ 매핑되지 않은 값은 NaN 처리됨

필요한 경우 .fillna()와 함께 사용

 

 

5. 예제: 열 값 계산

df['bonus'] = df['score'].map(lambda x: x * 0.1)

→ 수치 계산을 열 단위로 수행할 때도 유용

 

---

map()과 apply() 차이점

항목	map()	apply()
대상	Series	Series or DataFrame
입력 가능	함수 / 딕셔너리 / Series	함수만 가능 (복잡한 연산 포함)
목적	값 치환, 변환	범용 함수 적용
속도	빠름	비교적 느림

---

예제: 등급 & 보너스 동시 처리

df['grade'] = df['score'].map(lambda x: 'A' if x >= 90 else 'B' if x >= 80 else 'C')
df['bonus'] = df['score'].map(lambda x: round(x * 0.05, 2))

 

 

 

map()은 Pandas의 Series 전용 변환 도구로,
조건 기반 라벨링, 값 변환, 매핑 치환 등 단일 열 데이터 가공 시 가장 많이 쓰이는 함수다.

특히 apply()와 혼동되는 경우가 많지만,
단일 열 + 단순 연산이면 무조건 map이 더 빠르고 간결하다.