母亲简介©all`appl（）`pandas中的lambda-DEV365 开发者社区

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

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。

1.母亲©熊猫中的所有apply()是什么？

2.整个apply()的语法