母亲简介©all`appl()`pandas中的lambda
#编程 #python #lambda #apply
Pandas是数据矮人最受欢迎,最有力的Python库之一。它提供了几种工具和功能,可促进操纵和数据转换为数据范围。 Pandas提供的最光学和通用的母亲之一是与Lambda功能结合使用的apply()。在本文中,我们将详细探讨apply()与pandas的lambda一起使用,以及实际示例。

1.母亲©熊猫中的所有apply()是什么?

母亲©All apply()是一个可以应用于Pandas DataFrame的列或行的函数。它允许您将个性化功能应用于列或行的每个元素,并在新的s rie中返回结果。尤其是要执行不直接在熊猫功能中显示的特定操作时,apply()尤其是。

2.整个apply()的语法

母亲的基本语法©All apply()如下:

DataFrame.apply(func, axis=0)
  • func:将应用于列或行的每个元素的个性化功能。
  • axis:指示该功能是应沿列(0)还是沿线(1)应用。

3.什么是lambda功能?

在我们继续使用Koud0的实际示例之前,了解Lambda功能的概念很重要。 lambda函数,也称为矮人函数,是在行中定义的无名函数。她可能有徒劳的争论,但她只能返回一个表达。 lambda函数的一般语法如下:

lambda argumentos: expressão

lambda函数是这样的,当您需要一个简单的功能来执行特定任务时。

4.使用lambda使用apply()的示例

现在,让我们提出一些与lambda函数一起使用的apply()的示例。

示例1:在列中应用lambda函数

假设我们有一个数据框架,其中包含有关学生及其各自成绩的信息:

import pandas as pd

data = {
    'Nome': ['João', 'Maria', 'Pedro', 'Ana'],
    'Nota': [8.5, 7.2, 6.8, 9.0]
}

df = pd.DataFrame(data)

现在,假设我们想提高1点使用Koud0使用Lambda功能的所有学生的成绩:

df['Nota'] = df['Nota'].apply(lambda x: x + 1)
print(df)

saãda:

    Nome  Nota
0   João   9.5
1  Maria   8.2
2  Pedro   7.8
3    Ana  10.0

示例2:将lambda函数应用于行

让我们创建一个新的数据框架,其中包含有关两个学科的信息以及这些学科中每个学生的成绩:

data = {
    'Nome': ['João', 'Maria', 'Pedro', 'Ana'],
    'Matemática': [8.5, 7.2, 6.8, 9.0],
    'História': [7.0, 6.5, 8.0, 9.5]
}

df = pd.DataFrame(data)
假设我们想使用apply()的lambda功能来计算每个学生的成绩的一天:

df['Média'] = df.apply(lambda row: (row['Matemática'] + row['História']) / 2, axis=1)
print(df)

saãda:

    Nome  Matemática  História  Média
0   João         8.5       7.0   7.75
1  Maria         7.2       6.5   6.85
2  Pedro         6.8       8.0   7.40
3    Ana         9.0       9.5   9.25

5.最终考虑

母亲©所有带有Lambda的apply()是PANDAS中的强大工具,可在数据范围内执行个性化转换。它允许您有效地应用复杂的功能,促进操纵和数据矮人。使用此组合时,可以节省时间并使您的代码更可读和简洁。

但是,在使用具有大数据集的Lambda功能时要小心,因为在某些情况下会影响性能。始终在不同场景中测试并检查您的性能以确保效率。

我希望这个完整的指南是了解母亲©pandas中的所有apply()和Lambda。现在,您的武器库中有一个更强大的工具可以使用数据矮人和数据范围!