Pandas tragen Lambda an

"Pandas" ist eine bekannte Programmierbibliothek für die Datenanalyse und -manipulation. Es ist eine Open-Source-Bibliothek. "Pandas" gibt uns die Flexibilität, nach Bedarf neue Funktionen hinzuzufügen, einschließlich Sortier- und Lambda -Funktionen. Wir können der Spalte und der Zeile im Datenrahmen von "Pandas" leicht die Funktion "lambda" hinzufügen. Kleine Funktionen mit nur einem Ausdruck werden als Lambdas bezeichnet. Lambda -Funktionen können auch auf namenlose Weise als anonyme Funktionen funktionieren. Diese sind nützlich, wenn wir weniger Code für schnelle, einfache Vorgänge schreiben müssen. Wir können diese Funktion einfügen, indem wir das Schlüsselwort "Lambda" in unseren "Pandas" -Coder platzieren. Wir präsentieren diesen Leitfaden, um Ihnen dabei zu helfen, das Konzept der Funktion „Lambda“ in „Pandas“ zu erlernen.

Syntax

Lambda Argumente: Ausdruck

Beispiel # 01

Wir verwenden die "Spyder" -App zum Erstellen der Codes, die in diesem Handbuch angegeben sind. Da wir "Pandas" -Codes erstellen, müssen wir die "Pandas" -Bibliothek importieren und ihn "als PD" importieren. Dies wird uns helfen, die „Pandas“ -Funktionen in unserem Code bereitzustellen, wenn wir das Schlüsselwort „PD“ verwenden,. Hier generieren wir ein Wörterbuch „Marks“ und fügen Daten als „Rao, James, 455“ in der ersten Reihe hinzu. Als nächstes wird „William, Elvish, 250“ in der zweiten Reihe hinzugefügt. Der „Samuel, John, 495“ befindet sich in der dritten Reihe, dann „Smith, Micheal, 400“, „Robert, Alvis, 350“ und auch „Rick, Leo, 450“ sind im vierten, fünften und sechsten Platz dort Reihen.

Jetzt konvertieren wir das Wörterbuch „Marks“ in den Datenrahmen „Ergebnis“ und passen auch den Namen des Headers hier an, indem Sie die Methode „Spalten“ verwenden. Die Headernamen, die wir hier festlegen, sind "Name, Vatername und Total_marks". Diese Namen werden hier als Header -Namen des Datenrahmens "Ergebnis" festgelegt. Jetzt machen wir den Datenrahmen "Ergebnis". Wir haben die „Lambda“ -Methode noch nicht angewendet. Darunter bewegen wir uns, um diese „Lambda“ -Methode anzuwenden, um die Funktion „Lambda“ zu verwenden.

Hier wenden wir diese Funktion nur auf die Spalte „Total_marks“ an, indem wir diese "Lambda" -Funktion in die Methode "zuordnen ()" einlegen. Wir verwenden diese Funktion, um den „Prozentsatz“ der Schüler zu ermitteln, den wir dem DataFrame hinzufügen. Wir verwenden die Funktion „Lambda“ und platzieren die Formel, um den „Prozentsatz“ zu erhalten. Die Funktion „Lambda“ befindet sich hier in der Methode „zuheimen ()“ und wir setzen die Spalte Total_marks geteilt durch "500" und multipliziert mit "100". Die Spalte „Prozentsatz“ wird erstellt, und alle Prozentsätze der Schüler werden in dieser Spalte erscheinen. Wir anzeigen den Datenrahmen "Final_Result" an, indem wir die folgende Funktion "print ()" verwenden:

Wir drücken "Shift + Enter", um die Ausgabe zu erhalten. Im ersten Datenrahmen gibt es keine Spalte für den Prozentsatz der Schüler. Wir wenden die „Lambda“ an und berechnen den Prozentsatz der Schüler und zeigen sie in der Spalte „Prozentsatz“ an.

Beispiel # 02

Dies ist auch der "Pandas" -Code. Also importieren wir die „Pandas als PD“ hier erneut. Erstellen Sie dann hier eine Liste mit dem Namen "nested_list" und fügen Sie numerische Daten hinzu. Wir fügen „15, 2 ein.5, 100, 12 "in der ersten Liste und" 20, 4 ".5, 50, 15 Zoll im nächsten. Dann fügen wir in der dritten Liste „25, 5 ein.2, 80, 19 ”,„ 45, 5.8, 48, 37 Zoll in der vierten Liste. Die fünfte Liste enthält „40, 6.3, 70, 24 ”und die sechste Liste enthält„ 41, 6.4, 90, 55 ”. In der letzten Liste fügen wir „51, 2 hinzu.3, 111, 19 ”. Wir ändern diese verschachtelte Liste im DataFrame, indem wir ihre Spalten -Header -Namen als "Column_1, Column_2, Column_3 und Column_4" anpassen und sie rendern. Jetzt wenden wir die „Lambda“ -Methode an und berechnen die Summe aller Werte. Dieser Summenwert wird in der hier erstellten Spalte „Summe“ gespeichert und dem vorherigen Datenrahmen hinzugefügt. Wir rendern den Datenrahmen "New_Data", indem wir unten "print ()" -Funktion verwenden:

Es gibt keine Spalte für die Wertesumme im ersten Datenrahmen. Es fügt „15, 2 hinzu.5, 100, 12 ”, und die Summe wird am Ende der Zeile in der neuen Spalte" Sum "angezeigt. Die Summe des Wertes jeder Zeile wird unter Verwendung der "Lambda" bestimmt und in der Spalte "Summe" für jede Zeile getrennt dargestellt.

Beispiel # 03

Wir müssen zwei Bibliotheken in diesen Code importieren. Einer von ihnen ist die "Pandas" -Bibliothek, und die zweite ist die "Numpy" -Bibliothek. Dann erstellen und initialisieren wir die verschachtelte Liste hier. Wir fügen Daten hier in das numerische Form ein und ändern diese verschachtelte Liste dann in den DataFrame und speichern sie in einer neuen Variablen, "my_dataframe", in einer neuen Variablen, "my_dataframe". Der Header -Name für diesen Datenrahmen lautet "Data1, Data2 und Data3" und fügt die Indexwerte als "A1, A2, A3, A4, A5 und A6" hinzu.

Wir machen diesen Datenrahmen und wenden dann die Lambda -Methode hier an, in der wir das „NP“ einfügen. Quadratische Funktion. Diese Funktion ist in der „Numpy“ -Bibliothek vorhanden, und wir erhalten sie hier, indem wir den „NP“ einstellen. Wir berechnen das Quadrat von „A2“, indem wir "A2" in diese Methode einfügen. Und setzen Sie auch seine "Achse = 1" ein. Anschließend drucken wir den DataFrame erneut, indem wir "print ()" verwenden ".

Hier sind alle Werte beider Datenrahmen gleich, aber die Zeile „A2“ -Werte sind unterschiedlich, da im zweiten Datenrahmen das Quadrat der Reihe „A2“ und das Quadrat der Zahlen hier gerendert werden:

Beispiel # 04

Hier wird der Code für Beispiel 3 wieder verwendet, und wir ändern ihn einfach ein wenig. In diesem Code wenden wir dieselbe quadratische Funktion auf mehrere Zeilen an. Wir verwenden die „Lambda“ -Methode und setzen die „NP. Quadratische Funktion. In dieser Funktion fügen wir vier Indexwerte ein, nämlich "A1, A3, A5, A7". Diese quadratische Funktion wird auf vier Reihenwerte angewendet und dann diesen aktualisierten Datenrahmen drucken.

Im zweiten DataFrame sind die Werte „A1, A3, A5, A7“ die aktualisierten Werte des ersten Datenrahmens und das Quadrat dieser Werte, die im ersten Datenfreame in „A1, A3, A5, vorhanden sind, vorhanden sind. A7 -”-Filzs werden im zweiten Datenrahmen gerendert.

Beispiel # 05

Wechseln Sie nun zum letzten Beispiel dieses Leitfadens. Starten Sie dieses Beispiel, indem Sie "Pandas" und "Numpy" -Bibliotheken importieren. Nachdem wir beide Bibliotheken importiert haben, generieren wir unten eine verschachtelte Liste mit dem Namen „RAW_LIST“ und fügen die numerischen Daten zu dieser verschachtelten Liste hinzu. Wir ändern diese Liste in den DataFrame und fügen die Spalten -Header -Namen hinzu, die "A_01, A_02, A_03 und A_04" sowie die Indexwerte sind, die "11, 12, 13, 14, 15 und 16" sind.

Jetzt wenden wir "Lambda" an und fügen die quadratische Funktion von "Numpy" zu "12, 14" -Filen hinzu. Danach verwenden wir erneut „Lambda“ zur Berechnung des „Produkts“ aller Zeilen, und auch in der nächsten „Lambda“ berechnen wir die „Summe“ aller Zeilen und speichern das Produkt und die Summe im „Produkt“. und "Summe" -Spalte, die wir hier erstellt haben. Jetzt machen wir den neuen Datenrahmen, in dem das Quadrat von zwei Zeilen und der Summe und dem Produkt vorhanden ist. Dieser neue Datenrahmen, einschließlich aller dieser, wird durch die Verwendung des "print ()" gerendert.

Hier können Sie sehen, dass im aktualisierten DataFrame, der unter dem ersten Datenrahmen vorhanden ist, die Zeile „12 und 14“ das Quadrat der im ersten Datenrahmen vorhanden "Und" Produkt "von Zeilen werden getrennt angezeigt.

Abschluss

Sie können diesen Leitfaden verwenden, um zu erfahren. Unser Hauptziel ist es, den „Lambda“ -Methode-Begriff, der klar, einfach und ausführlich ist, gründlich zu erklären. Mit Hilfe der Funktion „Lambda“ haben wir gezeigt, wie die Funktion „Lambda“ in „Pandas“ in fünf verschiedenen Szenarien angewendet werden kann. Sie werden nach Abschluss dieses Leitfaden.