Panda Applecmap

Python è un linguaggio eccellente per l'esecuzione dell'analisi dei dati, principalmente a causa del forte ecosistema di programmi Python incentrati sulla gestione dei dati. Uno di questi strumenti, Panda, semplifica notevolmente l'importazione e l'analisi dei dati. Ogni elemento in un telaio di dati viene applicato con una funzione utilizzando il metodo Applicmap (), che riceve e restituisce uno scalare. Il vantaggio principale dei panda è la capacità di trasformare i dati e applicare l'analisi. Queste funzioni (map (), applicmap () e appliche ()) sono tutte utilizzate per modificare i dati, ma ci sono alcune distinzioni tra loro e sottili variazioni nel modo in cui vengono utilizzate. Tuttavia, discuteremo solo dell'applendmap ().

Come utilizzare la funzione Applicmap in Windows

La singola funzione consente l'azione basata sull'elemento in tutto il frame dati è Applicmap (), che è accessibile solo in DataFrame.

Sebbene alcuni scenari funzionino più rapidamente di Applic () grazie all'ottimizzazione, confrontare i due è ancora una buona idea prima di intraprendere operazioni più pesanti.

Sintassi:

DataFrame.Applicmap (Func)

Parametri

Func: Un singolo valore viene restituito da un singolo valore in una funzione Python.

Produzione: Frame di dati trasformato.

Solo il frame dati definisce questa tecnica. Il frame dati.Applicmap () accetta solo callabile. Per i dati dei dati, ApplicMap () è per quanto riguarda l'elemento. Applicmap () è più efficiente di Applic (). Un pezzo/elemento alla volta può essere gestito utilizzando la funzione Applicmap ().

Esempio 1: aggiungi valore a ciascun elemento del frame di dati utilizzando ApplicMap ()

Prima importa un set di dati online (Iris_data), quindi possiamo applicare la nostra funzione Applicamap () per mostrare i risultati.

È necessario importare i panda e aggiungere l'oggetto "PD" al codice per supportare i panda. Le semplici procedure matematiche sono relativamente più facili da eseguire. Secondo l'asse che si definisce, l'argomento della funzione quando Applic () viene utilizzato su un frame di dati diventa l'intera riga o colonna. Cosa succede se si desidera applicare una funzione specifica su ciascun componente del frame di dati anziché solo ogni riga e colonna? Quando ciò accade, Applicmap () è utile. Considera una situazione in cui è stato commesso un errore e si desidera correggerlo aggiungendo uno a ciascun elemento nei tuoi dati da quando hai scoperto che l'errore era una inesattezza di misurazione ripetibile. Per iniziare, definiamo una funzione di supporto:

Abbiamo definito una funzione add_one e superato l'elemento come argomento. Restituirà l'elemento + 1, il che significa che ne aggiungerà uno a ciascuna immissione di dati nel set di dati. Applichiamolo ad ogni elemento del frame di dati originale, escluso la colonna di destinazione, utilizzando ApplicMap ().

Se contrasto questo output con l'originale, vedrai che ogni voce ne ha aggiunta una. Dimostra il potenziale di funzione Applicamap ().

Esempio 2: calcolo della lunghezza di ciascun elemento della cornice di dati utilizzando ApplicMap ()

Proprio come l'esempio precedente, importare panda e un set di dati per iniziare a lavorare. Ora, cosa usa la funzione Applicmap ()? È funzionante su frame di dati o applicherà una funzione a ogni singolo elemento del frame di dati? Ad esempio, con questo frame di dati, l'abbiamo creato qui. Abbiamo tutti questi valori diversi. La funzione Applicmap () prenderà una certa funzione e l'esecuzione per quanto riguarda l'elemento sul valore singolo in questo intero frame di dati e quindi restituirà un frame di dati con qualunque sia il risultato di quella funzione. Ora, poiché i frame di dati hanno spesso dati di diversi tipi in colonne diverse, ApplicMap () è un po 'meno comune da una funzione da utilizzare rispetto a Applica () o MAP ().

Come visto sopra, abbiamo alcuni numeri nelle colonne e alcune stringhe di personaggi. Quindi, se volessimo passare una funzione che funzioni solo sui numeri in Applicamap (), ciò lancerà un errore perché può applicarsi alla colonna dei prezzi. Tuttavia, altre colonne sono stringhe. Quindi, non funzionerebbe su questo. Dobbiamo assicurarci di passare una funzione che funzionerà su entrambi i numeri e le stringhe. Di seguito, abbiamo definito una funzione che dovrebbe funzionare su numeri o stringhe:

Lo script precedente convertirà questi numeri in una stringa usando la funzione STR (). Quindi, controllerà semplicemente la lunghezza usando la funzione Len (). Quindi, possiamo definire questa funzione. Se lo passiamo per applicare MAP (), otterremo un frame di dati come output con la lunghezza di tutte queste diverse voci nel nostro frame di dati.

Esempio 3: modificare/sostituire i valori degli elementi del frame di dati utilizzando la funzione Applicamap ()

La funzione Applicmap () di Pandas utilizza una funzione definita dall'utente per aggiornare il contenuto dell'elemento per elemento del frame di dati dopo aver ricevuto un frame di dati PANDAS come input. Con un dizionario, possiamo creare una funzione Lambda che fornirà un nuovo valore per ciascun elemento nel frame di dati come output per aggiornare i valori di un frame di dati. Applichiamo la stessa illustrazione alle funzioni di sostituzione () e mappa () della libreria Pandas per sostituire i valori in un frame di dati con quelli di un dizionario.

Usando la funzione Sample () nel modulo casuale, produrremo alcuni dati di campionamento.

Ora verrà creato un frame di dati con un tipo di dati di stringa.

Vogliamo sostituire alcuni dei valori del frame di dati con quelli nuovi. Qui, costruiremo un dizionario con i nuovi valori che fungono da valori del dizionario e i vecchi valori che fungono da chiavi.

Ora possiamo aggiornare i valori elementi per elemento utilizzando la funzione Panda Applicmap (). La funzione Lambda verrà passata come input nella funzione Applicamap (). L'ingresso della funzione Lambda è un elemento e il suo output è il risultato dell'uso di un dizionario per interrogare la chiave.

E di conseguenza, riceviamo un frame di dati con valori aggiornati.

Esempio 4: altera valori/elementi di un frame di dati utilizzando la funzione Applicamap ()

Prima creeremo un frame di dati con righe e colonne specifiche e specificheremo i nomi dei suoi indici.

Moltiplichiamo ogni elemento del frame di dati per 10.

Ogni componente del frame dati DF viene moltiplicato e l'output viene salvato nel frame dati ALT DF. La funzione Applicmap () riceve una funzione Lambda come parametro e restituisce un risultato moltiplicando ogni elemento o valore per 10. Di conseguenza, gli elementi DF di dati sono tutti ridimensionati di 10. Quando è necessaria una funzione senza nome per una breve durata, vengono utilizzate le funzioni Lambda. In genere, lo utilizziamo come argomento per una funzione di ordine superiore in Python. Insieme a metodi integrati come Applicmap () e Filter (), vengono impiegate le funzioni Lambda.

Possiamo applicare varie operazioni ai componenti del dati di dati oltre a quelli matematici.

Come puoi vedere nell'immagine precedente, abbiamo aggiunto il .99 ad ogni valore all'interno del frame dati DF. Possiamo anche utilizzare i valori di stringa per aggiungere i dati anziché i dati numerici.

Conclusione

In questo articolo, abbiamo insegnato come è possibile utilizzare la funzione Applicmap () in Python usando la Biblioteca Panda. Abbiamo visto che il metodo ApplicMap () opera sull'intero frame di dati su base elemento per elemento. Questo ci ha insegnato a usare il telaio dati Python Pandas.Metodo ApplicMap (). Abbiamo lavorato tramite esempi utilizzando questo metodo sul telaio dati per capire come aggiungere valori, calcolare la lunghezza e sostituire e alterare i valori di ciascun elemento del nostro frame di dati utilizzando la funzione ApplicMap ().