I panda applicano lambda

"Pandas" è una nota libreria di programmazione per l'analisi e la manipolazione dei dati. È una biblioteca open source. "Pandas" ci dà la flessibilità di aggiungere nuove funzioni secondo necessità, tra cui le funzioni di smistamento e lambda. Possiamo facilmente aggiungere la funzione "Lambda" alla colonna e alla riga nel frame dati di "Panda". Piccole funzioni con una sola espressione sono note come lambdas. Le funzioni Lambda possono anche funzionare in modo senza nome come funzioni anonime. Questi sono utili quando dobbiamo scrivere meno codice per operazioni rapide e semplici. Possiamo inserire questa funzione posizionando la parola chiave "lambda" nel nostro codice "panda". Presentiamo questa guida per aiutarti a imparare il concetto della funzione "lambda" in "panda".

Sintassi

Argomenti Lambda: espressione

Esempio # 01

Stiamo utilizzando l'app "Spyder" per la creazione dei codici, che sono riportati in questa guida. Dal momento che stiamo facendo il codice "panda", dobbiamo importare la libreria "panda" e la importiamo "come PD". Questo ci aiuterà a fornire le funzioni dei "panda" nel nostro codice quando utilizziamo la parola chiave "PD". Qui, generiamo un dizionario "marchi" e aggiungiamo dati come "Rao, James, 455" nella prima riga. Successivamente, "William, Elvish, 250" viene aggiunto nella seconda riga. Il "Samuel, John, 495" è nella terza fila, quindi "Smith, Micheal, 400", "Robert, Alvis, 350" e anche "Rick, Leo, 450" sono lì nel quarto, quinto e sesto file.

Ora stiamo convertendo il dizionario "Marks" nel telaio di dati "risultato" e anche regolando il nome dell'intestazione qui utilizzando il metodo "colonne". I nomi di intestazione che abbiamo impostato qui sono "Nome, Father_Name e Total_Marks". Questi nomi sono impostati qui come nomi di intestazione del frame dati "risultato". Ora, rendiamo il telaio di dati "risultato". Non abbiamo ancora applicato il metodo "lambda". Di seguito, ci stiamo muovendo per applicare questo metodo "lambda" per l'utilizzo della funzione "lambda".

Qui, applichiamo questa funzione solo alla colonna "Total_Marks" mettendo questa funzione "Lambda" nel metodo "Assegna ()". Usiamo questa funzione per trovare la "percentuale" degli studenti, che aggiungiamo al telaio dati. Utilizziamo la funzione "lambda" e posizioniamo la formula per ottenere la "percentuale". La funzione "Lambda" è qui all'interno del metodo "Assegna ()" e abbiamo impostato la colonna Total_Marks divisa per "500" e moltiplicata per "100". Verrà creata la colonna "percentuale" e tutte le percentuali degli studenti appariranno in quella colonna. Visualizziamo il frame dati "Final_result" utilizzando la seguente funzione "Print ()":

Stiamo premendo "Shift + Enter" per ottenere l'output. Nel primo frame dati, non esiste una colonna per la percentuale degli studenti. Applichiamo la "lambda" e calcoliamo la percentuale degli studenti e li mostriamo nella colonna "percentuale".

Esempio # 02

Questo è anche il codice "panda". Quindi importa di nuovo i "panda come PD" qui. Quindi crea un elenco qui con il nome "nonest_list" e aggiungi dati numerici. Inseriamo “15, 2.5, 100, 12 "nel primo elenco e" 20, 4.5, 50, 15 "nel prossimo. Quindi nel terzo elenco, inseriamo “25, 5.2, 80, 19 "," 45, 5.8, 48, 37 "nella quarta lista. La quinta lista contiene “40, 6.3, 70, 24 "e la sesta lista contiene" 41, 6.4, 90, 55 ". Nell'ultimo elenco, aggiungiamo “51, 2.3, 111, 19 ". Cambiamo questo elenco nidificato nel frame dati regolando i nomi dell'intestazione della colonna come “column_1, column_2, column_3 e column_4” e renderlo. Ora stiamo applicando il metodo "lambda" e calcolando la somma di tutti i valori. Questo valore di somma verrà archiviato nella colonna "somma", che viene creata qui e aggiunta al frame dati precedente. Renderiamo la funzione dati "new_data" utilizzando la funzione "print ()" di seguito:

Non esiste una colonna per la somma dei valori nel primo frame dati. Aggiunge “15, 2.5, 100, 12 "e la somma viene visualizzata alla fine della riga nella nuova colonna" somma ". La somma del valore di ciascuna riga viene determinata usando la "lambda" ed è mostrata nella colonna "somma" separatamente per ogni riga.

Esempio # 03

Dobbiamo importare due librerie in questo codice. Uno di questi è la biblioteca "Panda" e la seconda è la biblioteca "numpy". Quindi creiamo e inizializziamo l'elenco nidificato qui. Inseriamo i dati nella forma numerica qui e quindi alteriamo questo elenco nidificato nel frame dati e lo archiviamo in una nuova variabile, "MY_DATAFRAME". Il nome di intestazione per questo frame dati è "Data1, Data2 e Data3" e aggiunge i valori dell'indice come "A1, A2, A3, A4, A5 e A6".

Renderiamo questo frame dati e quindi applichiamo il metodo Lambda qui in cui inseriamo il "NP. funzione quadrata ". Questa funzione è presente nella libreria "numpy" e la otteniamo qui mettendo il "NP". Calcoliamo il quadrato di "A2" mettendo "A2" in questo metodo. E anche, imposta il suo "Asse = 1". Quindi stampiamo di nuovo il frame dati utilizzando "Print ()".

Qui, tutti i valori di entrambi i frame dati sono uguali, ma i valori di riga "A2" sono diversi, perché nel secondo frame dati, trova il quadrato della riga "A2" e il quadrato dei numeri sono resi qui:

Esempio # 04

Qui, il codice di esempio 3 viene utilizzato ancora una volta e lo cambiamo un po '. In questo codice, stiamo applicando la stessa funzione quadrata a più righe. Utilizziamo il metodo "lambda" e mettiamo il "NP. funzione quadrata ". In questa funzione, inseriamo quattro valori di indice, che sono "A1, A3, A5, A7". Questa funzione quadrata verrà applicata a valori a quattro file e quindi stampare questo frame dati aggiornato.

Nel secondo frame dati, i valori delle righe "A1, A3, A5, A7" sono i valori aggiornati del primo frame dati ed è il quadrato di quei valori che sono presenti nel primo frame di dati in "A1, A3, A5, Le righe A7 "sono rese nel secondo frame dati.

Esempio # 05

Ora, passa all'ultimo esempio di questa guida. Inizia questo esempio importando biblioteche "panda" e "numpy". Dopo aver importato entrambe le librerie, generiamo un elenco nidificato di seguito con il nome "raw_list" e aggiungiamo i dati numerici a questo elenco nidificato. Modifichiamo questo elenco in DataFrame e aggiungiamo i nomi dell'intestazione della colonna, che sono "A_01, A_02, A_03 e A_04", e i valori dell'indice, che sono "11, 12, 13, 14, 15 e 16".

Ora applichiamo "Lambda" e aggiungiamo la funzione quadrata di "Numpy" alle righe "12, 14". Successivamente, utilizziamo nuovamente "lambda" per il calcolo del "prodotto" di tutte le file, e anche nel prossimo "lambda", calcoliamo la "somma" di tutte le file e memorizziamo anche il prodotto e la somma nel "prodotto", e la colonna "somma", che abbiamo creato qui. Ora, rendiamo presente il nuovo frame dati in cui sono presenti il ​​quadrato di due righe e la somma e il prodotto. Questo nuovo telaio di dati, compreso tutti questi, è reso utilizzando la "Print ()".

Qui, puoi vedere che nel frame dati aggiornato, che è presente sotto il primo frame dati, la riga "12 e 14" mostra il quadrato dei valori presenti nel primo frame dati, e anche due nuove colonne sono presenti in cui la "somma "E" prodotto "delle righe vengono visualizzati separatamente.

Conclusione

Puoi usare questa guida per imparare a usare "Applica Lambda" in "Panda" perché spiega come farlo. Il nostro obiettivo principale è spiegare a fondo la nozione di metodo "lambda" che è chiara, semplice e approfondita. Con l'aiuto della funzione "lambda", abbiamo mostrato come applicare la funzione "lambda" in "panda" in cinque diversi scenari. Sarai a un livello moderato di competenza dopo aver completato la lettura di questa guida, da cui puoi andare a livelli più alti.