在python中使用.map（）的这种特殊方式

我在读一篇文章，在下面给定的一段代码中遇到了这个问题。我运行了它，它为我工作：

x = df.columns
x_labels = [v for v in sorted(x.unique())]
x_to_num = {p[1]:p[0] for p in enumerate(x_labels)}

#till here it is okay. But I don't understand what is going with this map. 
x.map(x_to_num)

地图的最终结果如下所示：

Int64Index([ 0,  3, 28,  1, 26, 23, 27, 22, 20, 21, 24, 18, 10,  7,  8, 15, 19,
            13, 14, 17, 25, 16,  9, 11,  6, 12,  5,  2,  4],
           dtype='int64')

有人能给我解释一下

.map（）

是如何在这里工作的吗。我在网上搜索，但找不到任何相关信息。 ps:df是一个数据帧。

让我们看看

.map（）

函数在python中通常做什么

>>> l = [1, 2, 3]
>>> list(map(str, l))
# ['1', '2', '3']

在这里，包含数字元素的列表被转换为字符串元素。 因此，无论我们试图使用

map

应用什么函数，都需要一个迭代器。 您可能会感到困惑，因为这里没有使用map（

map（MappingFunction，IteratorObject）

）的一般语法，而且仍然可以工作

变量

x

采用

IteratorObject

的形式，而字典

x_to_num

包含映射，因此采用

MappingFunction

的形式

---

编辑：此场景与

pandas

无关，

x

可以是任何迭代器类型的对象。

为什么我们不在这里使用

x\u to_num.keys（）

？这不也是同样的结果吗？