Mappa dei dati di dati Panda
Sintassi:
# Serie.mappa (arg, na_action = nessuno)
Esempio 1:
Praticamente utilizziamo il metodo "Map ()" nel nostro codice Pandas. Importiamo il metodo fornito da Panda con l'aiuto della parola chiave "importazione" e impostiamo il "panda come PD". Questo ci aiuta nel nostro codice in cui dobbiamo accedere ai metodi Pandas. Mettiamo solo "PD" per farlo. Ora, questo elenco o una serie che viene creata qui si chiama "SCOPE_DATA".Inseriamo il "First_name" che include "Emma, Robert, Leonard, Howard e Jessica". Successivamente, abbiamo il "last_name" che contiene "Edward, Samuel, Herry, William e Fowler". Aggiungiamo "42, 36, 46, 45 e 39" nell'elenco "Age".
Dopo questo, abbiamo il "punteggio_1 e punteggio_2" in cui aggiungiamo rispettivamente "9, 8, 6, 7, 5" e "28, 45, 59, 62, 70". Modifichiamo questo "punteggio_data" in "punteggio_df" e menzioniamo "First_name, last_name, età, punteggio_1 e punteggio_2" come colonne. Quindi, è impostato come intestazione del frame dati. Stampiamo il "punteggio_df" sul terminale. Successivamente, facciamo un dizionario dei "soggetti" e inseriamo i nomi degli argomenti menzionando il primo nome con il nome dell'oggetto. Nel dizionario, aggiungiamo il "computer, chimica, matematica, astronauta e scienza" menzionando il "primo_name" insieme a questo. Ora, mappiamo questo dizionario al "punteggio_df" precedentemente menzionato.
Creiamo una nuova colonna denominata "Soggetti". Citiamo la colonna "first_name" e utilizziamo il metodo "map ()" per mappare i soggetti in questo "punteggio_df". Dopo aver mappato la colonna dell'oggetto su "SCOPE_DF", visualizziamo il "punteggio_df". Questo viene visualizzato solo quando utilizziamo il metodo "Print ()".
Ora, compiliamo ed eseguiamo questo codice Pandas in "Spyder". Esistono due modi per eseguire questo codice. Uno di questi è colpire i tasti "Shift+ Enter" e l'altro è eseguire il codice facendo clic sul pulsante "Esegui" dell'app "Spyder". Dopo l'esecuzione, otteniamo l'output fornito. Il primo telaio di dati contiene cinque colonne. Mappiamo la colonna su questo "punteggio_df" con l'aiuto del metodo "map ()" che è anche mostrato nella seguente illustrazione:
Esempio 2:
Ora, iniziamo un nuovo esempio importando il "Panda come PD" e creando un elenco nidificato che si chiama "AC_LIST". Questo elenco nidificato è composto da tre colonne denominate "AC_NAME, AC_NUM, che si uniscono". Gli "Ac_name" hanno i nomi "James, Melissa, Farnham, Samuel, Bromley, Coghill e Fuller". Il "AC_NUM" contiene i numeri dell'account come "AC4319, AC1234, AC3498, AC4525, AC4439, AC2624 e AC1501". Nell'unione, aggiungiamo il mese di unione che sono "giugno, aprile, maggio, agosto, febbraio, gennaio e dicembre". "AC_LIST" viene modificato in "AC_DF" Frame perché utilizziamo il "PD.DataFrame ". Mettiamo questo "AC_DF" sul metodo "Print ()". È reso quando eseguiamo il codice.
Dopo questo, generiamo un dizionario e lo salviamo in "Genders". Mettiamo i sessi "maschili e femminili" per quei dati che abbiamo inserito nell'elenco precedente. Mappiamo anche questo dizionario sul telaio di dati che abbiamo creato. Per mappare i "Generi" in questo "AC_DF", prima creiamo una nuova colonna chiamata "Gender", menzioniamo la colonna "Nome nome", quindi usi il metodo "Map ()". In questo metodo, inseriamo i "sessi". Visualizziamo la colonna "AC_DF" dopo aver mappato la colonna "Genere". Questo viene visualizzato solo quando utilizziamo il metodo "Print ()".
Otteniamo l'output specificato quando viene eseguito il codice sopra menzionato. Tre colonne costituiscono il primo frame dati. Mappiamo quindi la colonna "Genere" su questa tecnica "AC_DF" usando la tecnica "Map ()", che è anche dimostrata qui. Viene visualizzato "nan" che indica che non abbiamo inserito alcun valore.
Esempio 3:
In questo esempio, creiamo la serie Pandas dopo l'importazione dei panda. Generiamo questa serie Pandas usando il "PD.Metodo della serie ". Questo "PD" accede a questo metodo "serie". Inseriamo alcuni dati a questa serie e salviamo la serie nella variabile "animali". Questa serie contiene "coniglio, mucca, ratto, cane, topo e orso".
Quindi, visualizziamo questa serie. Dopo aver mostrato la serie "Animali", mappiamo una riga a tutti i valori della serie. Usiamo il metodo "Map ()" e inseriamo "I Am A ". Inserire il nome degli animali uno per uno in queste parenti ricci. Quindi, stampali, il che significa che mostra questa linea con tutti i nomi degli animali. Rende la serie dopo la mappatura mentre è scritta all'interno del metodo "Print ()".
Puoi vedere che i nomi degli animali sono resi in una serie. Quindi, mappa la linea che abbiamo scritto in precedenza con tutti i nomi degli animali e stampica la stringa "I Am A" con tutti i nomi degli animali.
Esempio 4:
Ora importamo i panda e la biblioteca numpy perché utilizziamo la funzione o il metodo di Panda e Numpy in questo esempio. Generiamo il "c_list" che contiene "C_FEE" e "C_DUR". Nel "C_FEE", abbiamo messo "22000, 25000, 23000, NP.Nan e 26000 ". Qui, “NP.Nan ”significa che otteniamo questo valore dalla biblioteca numpy. Quindi, abbiamo messo i dati nel "C_DUR" che è "20 giorni, 50 giorni, 40 giorni, 35 giorni e 45 giorni". Questo "c_list" viene convertito in "C_DF".
Quindi, applichiamo alcune funzioni in questo metodo "mappa ()". Usiamo il metodo "Lambda" qui e sostituiamo il 10% dai valori "C_FEE". Questo è salvato in un'altra colonna che abbiamo aggiunto qui con il nome "Commissione". Mappiamo questa "tassa" con la colonna "C_FEE". Quindi, utilizziamo il metodo "print ()". La "C_DF" viene visualizzata una volta che la colonna "Genere" è mappata su di essa.
Due colonne sono apparse qui prima della mappatura. Quando viene applicato il metodo "Map ()", viene inserita una nuova colonna "Commissione". Visualizza il valore dopo aver sostituito il 10% dai valori "C_FEE". Al posto di "NAN", rende anche "NAN" nella colonna "Commissione" perché non vi è alcun valore presente nel "C_FEE" a cui viene applicato il calcolo.
Conclusione
L'obiettivo principale di questa guida è quello di fornire informazioni molto bene, facili e descrittive sulla funzione "mappa ()" nei panda.Questa guida ha spiegato il concetto della funzione "mappa ()" in modo ben educato. Ti abbiamo mostrato come utilizzare la funzione "mappa ()" nei codici qui. Come abbiamo spiegato, il metodo "Map ()" viene utilizzato per mappare i valori delle serie nei loro input corrispondenti. Abbiamo illustrato quattro esempi in questa guida in cui abbiamo utilizzato il metodo "Map ()". Dopo aver appreso a fondo questa guida, speriamo che sarai in grado di utilizzare facilmente questo metodo "mappa ()" nei panda.