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)
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。
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!