Применение лямбда-функций к Pandas Dataframe
В Pandas у нас есть свобода добавлять при необходимости различные функции, такие как лямбда-функция, функция сортировки и т. Д. Мы можем применить лямбда-функцию как к столбцам, так и к строкам фрейма данных Pandas.
Example 1: Applying lambda function to single column using Dataframe.assign()
Python3
# importing pandas libraryimport pandas as pd # creating and initializing a listvalues= [["Rohan",455],["Elvish",250],["Deepak",495], ["Soni",400],["Radhika",350],["Vansh",450]] # creating a pandas dataframedf = pd.DataFrame(values,columns=["Name","Total_Marks"]) # Applying lambda function to find # percentage of "Total_Marks" column # using df.assign()df = df.assign(Percentage = lambda x: (x["Total_Marks"] /500 * 100)) # displaying the data framedf |
Выход :
В приведенном выше примере лямбда-функция применяется к столбцу Total_Marks, и с его помощью формируется новый столбец Percentage.
Example 2: Applying lambda function to multiple columns using Dataframe.assign()
Python3
# importing pandas libraryimport pandas as pd # creating and initializing a nested listvalues_list = [[15, 2.5, 100], [20, 4.5, 50], [25, 5.2, 80], [45, 5.8, 48], [40, 6.3, 70], [41, 6.4, 90], [51, 2.3, 111]] # creating a pandas dataframedf = pd.DataFrame(values_list, columns=["Field_1", "Field_2", "Field_3"]) # Applying lambda function to find # the product of 3 columns using # df.assign()df = df.assign(Product=lambda x: (x["Field_1"] * x["Field_2"] * x["Field_3"])) # printing dataframedf |
Выход :
В приведенном выше примере лямбда-функция применяется к 3 столбцам, то есть «Поле_1», «Поле_2» и «Поле_3».
Example 3: Applying lambda function to single row using Dataframe.apply()
Python3
# importing pandas and numpy librariesimport pandas as pdimport numpy as np # creating and initializing a nested listvalues_list = [[15, 2.5, 100], [20, 4.5, 50], [25, 5.2, 80], [45, 5.8, 48], [40, 6.3, 70], [41, 6.4, 90], [51, 2.3, 111]] # creating a pandas dataframedf = pd.DataFrame(values_list, columns=["Field_1", "Field_2", "Field_3"], index=["a", "b", "c", "d", "e", "f", "g"]) # Apply function numpy.square() to square# the values of one row only i.e. row # with index name "d"df = df.apply(lambda x: np.square(x) if x.name == "d" else x, axis=1) # printing dataframedf |
Выход :
В приведенном выше примере лямбда-функция применяется к строке, начинающейся с 'd', и, следовательно, квадрат всех значений ей соответствует.
Example 4: Applying lambda function to multiple rows using Dataframe.apply()
Python3
# importing pandas and numpylibrariesimport pandas as pdimport numpy as np # creating and initializing a nested listvalues_list = [[15, 2.5, 100], [20, 4.5, 50], [25, 5.2, 80], [45, 5.8, 48], [40, 6.3, 70], [41, 6.4, 90], [51, 2.3, 111]] # creating a pandas dataframedf = pd.DataFrame(values_list, columns=["Field_1", "Field_2", "Field_3"], index=["a", "b", "c", "d", "e", "f", "g"]) # Apply function numpy.square() to square # the values of 3 rows only i.e. with row# index name "a", "e" and "g" onlydf = df.apply(lambda x: np.square(x) if x.name in [ "a", "e", "g"] else x, axis=1) # printing dataframedf |
Выход :
В приведенном выше примере лямбда-функция применяется к 3 строкам, начинающимся с «a», «e» и «g».
Example 5: Applying the lambda function simultaneously to multiple columns and rows
Python3
# importing pandas and numpylibrariesimport pandas as pdimport numpy as np # creating and initializing a nested listvalues_list = [[1.5, 2.5, 10.0], [2.0, 4.5, 5.0], [2.5, 5.2, 8.0], [4.5, 5.8, 4.8], [4.0, 6.3, 70], [4.1, 6.4, 9.0], [5.1, 2.3, 11.1]] # creating a pandas dataframedf = pd.DataFrame(values_list, columns=["Field_1", "Field_2", "Field_3"], index=["a", "b", "c", "d", "e", "f", "g"]) # Apply function numpy.square() to square # the values of 2 rows only i.e. with row# index name "b" and "f" onlydf = df.apply(lambda x: np.square(x) if x.name in ["b", "f"] else x, axis=1) # Applying lambda function to find product of 3 columns# i.e "Field_1", "Field_2" and "Field_3"df = df.assign(Product=lambda x: (x["Field_1"] * x["Field_2"] * x["Field_3"])) # printing dataframedf |
Выход :
В этом примере лямбда-функция применяется к двум строкам и трем столбцам.
Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.