Pandas transformiert

„Python Pandas bietet uns eine relativ einfache Technik, wenn wir unseren Datenrahmen oder unsere Serie transformieren müssen. Die PANDAS -Methode "Transform ()" ist eine integrale Methode, die eine Funktion zum Generieren eines neuen Datenrahmens für sich selbst verwendet, wodurch jedes im ursprünglichen Datenrahmen vorhandene Element geändert wird, während die Länge und der Index gleich bleiben und die gleichen. "Func" ist der funktionsabweisende Parameter der Methode "Transform ()". Wir verwenden "Func" mit Lambda -Bedingungen, um den Datenrahmen zu transformieren. Die Methode „Lambda ()“ wird angewendet, um andere Funktionen einzuschließen.”

Die Syntax für die Python Pandas Transform () -Methode

Beispiel 1: Verwenden der Methode pandas transform () durch Hinzufügen von 1 zu jedem DATA -FRAME -Element

In dieser Demonstration verwenden wir die Methode „Transform ()“ und den Parameter „Funktion“, um jedem Element des Datenrahmens „1“ hinzuzufügen. Die Methode „Transform ()“ wird in erster Linie verwendet, um den Datenrahmen zu ändern, indem Änderungen an den Elementen des DataFrame-Elements selbst produziert werden. Wenn eine Methode unter Verwendung der Funktion „transform ()“ auf sich selbst ausgeführt wird, wird ein Datenrahmen mit transformierten Werten und derselben Achsenlänge wie das Selbst erzeugt.

Beginnend mit der ersten Illustration des Artikels. Wir verwenden das Tool "Spyder", um den Code zu implementieren. Wir müssen zuerst die Pandas -Bibliothek importieren. Um den Datenrahmen zu erstellen, verwenden wir derzeit „PD.DataFrame ”. Der Datenrahmen "DF" enthält vier Spalten. Die Buchstaben "M", "N", "O" und "P" sind die Namen der Spalte. Für diese Spalten wurden einige Werte aufgeführt. Wir haben die Werte "1", "2", "3", "4" und "5" in der Spalte "M". Die Zahlen "6", "7", "8", "9" und "10" befinden sich in der Spalte "n", während die Zahlen "11", "12", "13", "14" und "15" "11", "12", "13", "14" und "15" sind befinden sich in der dritten Spalte "O". Darüber hinaus haben wir "16", "17", "18", "19" und "20" für die letzte Spalte "P", "P", "P". Der DataFrame wird jetzt mit der Funktion „print ()“ gedruckt.

Das nächste, was wir tun werden, ist, den Parameter „Func“ mit der Funktion „Transform ()“ zu verwenden. Der DataFrame wird im Wesentlichen durch den Parameter „Func“ transformiert. Wie Sie sehen, wird „Lambda“ auch in der Transform () -Methode mit dem Parameter „Func“ verwendet. Kleine unbenannte Funktionen sind als Lambdas bekannt. Es kann nur einen Ausdruck haben, aber eine unbegrenzte Anzahl von Eingängen haben. Hier verwenden wir Lambda, um die Bedingung auszudrücken, die „A+1“ ist, und fügt jedem Wert in den Spalten des Datenrahmens „1“ hinzu. Angenommen. Anschließend zeigen wir die Anweisung „Transformed DataFrame“ und den DataFrame selbst auf dem Bildschirm mit der Funktion „Print ()“ an.

In dieser Ausgabebildanzeige sind zwei Datenframes zu sehen, wie es zu sehen ist. Die Transformation des Datenrahmens wird erreicht. Der Transformation DataFrame zeigt, dass jedes Element im DataFrame „1“ hinzugefügt wurde, wie durch Betrachtung aller Elemente zu sehen ist. Die erste Spalte im ersten DataFrame hat den ersten Wert "1", und wenn Sie "1" mehr hinzufügen, ist das Ergebnis "2", wie Sie beobachten können. Der Wert der ersten Spalte im Transformationsdatenrahmen lautet "2", und dementsprechend wurden alle diese hinzugefügt. Der DataFrame hat eine Indexgröße von „5“, die von „0 bis 4“ reicht,.

Beispiel 2: Subtrahieren Sie jedes Element des Datenrahmens mit der Methode Transform ()

Dieses Beispiel ist identisch mit dem ersten, aber in diesem Fall wird der Zustand der Lambda -Funktion geändert. In diesem Fall werden wir „1“ von jedem in einem Datenrahmen vorhandenen Element einzeln mit der Methode „Transform ()“ abziehen.

Wir müssen zuerst die Panda -Bibliothek als „PD“ importieren, bevor dieser Code ausgeführt wird. Die Erstellung eines "DF" -Datenframees ist die nächste Stufe. In diesem Datenrahmen "First", "Second", "Third" und "Fourth" befinden sich vier Spalten "First", "Second", "Third" und "Fourth". Wir haben diesen Spalten einige Werte gegeben. Wir haben die Zahlen "3", "4", "5" und "9" für die Spalte "Erst". In der Spalte "zweite" enthält die Zahlen "2", "7", "8", "15" und "10" darin. Die "dritte" Spalte enthält die Zahlen "19", "11", "13", "12" und "18" und die "vierte" Spalte enthält die Zahlen "22", "29", "34", 24 "und" 22 ". Jetzt erstellen wir diesen Datenrahmen mit „PD.DataFrame “, und wir verwenden auch die Funktion„ print () “, um sie auf dem Bildschirm anzuzeigen.

In diesem Moment verwenden wir die Methode „Transform ()“ mit seinem Parameter „Func“, und darin wenden wir eine Bedingung unter Verwendung der Funktion „lambda ()“ an. Die Bedingung ist „A-1“, was bedeutet, dass sie „1“ von jedem Wert der Daten in den Spalten abziehen und dann die Werte als einen anderen Datenrahmen anzeigen, den wir als transformierter Datenrahmen bezeichnen. Mit der Methode "print ()" werden wir diesen transformierten Datenrahmen daher angezeigt.

Schauen wir uns nun unsere Ausgangsanzeige an, in der zwei Datenrahmen sichtbar sind. Der Anfangswert in der Spalte "Erst" unseres ersten Datenfreame ist "3", und die letzte in der vierten Spalte ist "22", wenn wir die Transformationsfunktion mit der Lambda -Bedingung verwenden, die die Subtraktion von 1 ist, wir sind wir jedoch Beobachten. Da sich die ersten und letzten Werte in „2“ und „21“ geändert haben, wurden alle anderen Werte zwischen ihnen ebenfalls subtrahiert und verändert.

Beispiel 3: Dividieren Sie jedes DataFrame -Mitglied mit einer Lambda -Bedingung und der Transform () -Methode mit zwei Lambda

In diesem Beispiel werden wir "Transform ()" verwenden, um jede Zahl über alle Spalten zu teilen. Wir verwenden den „Func“ -Parameter der Transformation () -Methode mit einem Lambda -Zustand. Mit der Funktion „Lambda ()“ in Pandas dürfen wir „hinzufügen“, „subtrahieren“, „teilen“, „multiplizieren“ und andere mathematische Operationen ausführen.

Wir erstellen jetzt unseren Datenrahmen "DF", nachdem wir Pandas als "PD" importiert haben. Hier haben wir vier Spalten wie im vorherigen Beispiel "W", "X", "Y" und "Z". Zusätzlich werden diese Spalten mit einigen Werten dargestellt. Die erste Spalte repräsentiert die Werte "4", "8", "16", "20" und "6", während die zweite Spalte die Werte "2", "12", "8", "14" enthält. und "10", während die dritte Spalte die Werte "8", "2", "19", "20" und "22" enthält, und in der letzten Spalte haben wir die Werte "26", "28",. "34", "24" und "22". Zunächst erstellen wir diesen Datenrahmen mit „PD.DataFrame ”und zeigt es auf dem Bildschirm mit der Funktion„ print () “.

Wir verwenden derzeit die Hauptmethode unseres Programms, „Transformation ()“, um jede der Zahlen in Spalten zu unterteilen. Somit wenden wir die Lambda -Bedingung "A/2" auf den Parameter "func" an, der Lambda entspricht. Daher beschreibt „A“ jeden im Datenrahmen vorhandenen Wert. Es wird jede der vorhandenen Zahlen eins nacheinander in die Spalten unterteilt. Der transformierte Datenrahmen wurde dann auf dem Bildschirm angezeigt.

Derzeit ist der erste Datenrahmen, den wir erstellt haben, der seine Werte angibt. Der Abteilungsbetrieb wird effektiv implementiert, wie der erste Wert im transformierten Datenrahmen jetzt eher "2" als der Wert des anfänglichen Datenrahmens von „4“ ist, was zu einer Antwort von „2“ führen würde, wenn wir teilen “, wenn wir teilen“ “ 4 mal 2 ”. Wie zu sehen ist, werden auch andere Werte geteilt und transformiert.

Abschluss

In diesem Artikel wenden wir die Methode „Transform ()“ mit seinem Parameter „Func“ an, um den Datenrahmen mithilfe der Bedingungen "Lambda" zu transformieren. Wir können sehen, dass das Ändern jedes Elements des Datenrahmens jetzt ganz einfach ist. In diesem Artikel verwenden wir die drei mathematischen Operationen Addition, Subtraktion und Abteilung mit den Parametern „Func“ und Lambda, um die Werte des Datenframe zu aktualisieren. Wir gehen davon aus.