Trasformazione dei panda
La sintassi per il metodo Python Pandas Transform ()
Esempio 1: usando il metodo Panda trasforma () aggiungendo 1 a ciascuno Elemento del frame dati
In questa dimostrazione, useremo il metodo "Transform ()" e il parametro "Funzione" per aggiungere "1" a ciascun elemento del frame dati. Il metodo "Transform ()" viene utilizzato principalmente per modificare il gesto di dati attraverso le modifiche autoproducenti agli elementi del telaio dati. Quando viene eseguito un metodo su se stesso usando la funzione "trasform ()", un frame di dati con valori trasformati e la stessa lunghezza dell'asse in cui viene prodotto il sé.
A partire dalla prima illustrazione dell'articolo. Usiamo lo strumento "Spyder" per implementare il codice. Dobbiamo prima importare la libreria Pandas. Per creare il frame dati, stiamo attualmente utilizzando "PD.DataFrame ". Il frame dati "DF" contiene quattro colonne. Le lettere "M", "N", "O" e "P" sono i nomi della colonna. Alcuni valori sono stati elencati per queste colonne. Abbiamo i valori "1", "2", "3", "4" e "5" nella colonna "M". I numeri "6", "7", "8", "9" e "10" sono nella colonna "N" mentre i numeri "11", "12", "13", "14" e "15" sono nella terza colonna "o" inoltre, abbiamo "16", "17", "18", "19" e "20" per la colonna finale, "P". Il frame dati viene ora stampato utilizzando la funzione "print ()".
La prossima cosa che faremo è usare il parametro "func" con la funzione "trasform ()". Il frame dati è essenzialmente trasformato dal parametro "func". Come puoi vedere, "Lambda" viene utilizzato anche nel metodo Transform () usando il parametro "Func". Piccole funzioni senza nome sono note come lambdas. Può avere solo un'espressione ma può avere un numero illimitato di input. Qui, usiamo lambda per esprimere la condizione, che è "a+1", aggiungendo "1" a ciascun valore nelle colonne del frame dati. Supponiamo che "A" rappresenti ogni elemento nel frame dati e che la condizione sia "a+1", che verrà applicata uno per uno a ciascun elemento che presenta le colonne dei telai dati. A seguito di ciò, stiamo visualizzando l'istruzione "trasformato dati" e il frame dati stesso sullo schermo utilizzando la funzione "print ()".
Ci sono due telai di dati visibili in questo display dell'immagine di output, come si può vedere. La trasformazione del telaio dati viene realizzata. Il telaio di trasformata mostra che ogni elemento nel frame dati ha aggiunto "1", come si può vedere guardando tutti gli elementi. La prima colonna nel primo frame dati ha il primo valore "1" e quando aggiungi "1" di più, il risultato è "2", poiché puoi osservare. Il valore della prima colonna nel telaio di trasformata è "2" e di conseguenza, tutti sono stati aggiunti. Il frame dati ha una dimensione dell'indice di "5", che varia da "0 a 4".
Esempio 2: sottrarre ciascun elemento del telaio di dati utilizzando il metodo Transform ()
Questo esempio è identico al primo, ma in questo caso, la condizione della funzione Lambda viene modificata. In questo caso, sottrarremo "1" da ciascun elemento presente in un frame di dati individualmente utilizzando il metodo "Transform ()".
Dobbiamo prima importare la libreria Panda come "PD" prima che questo codice sia eseguito. La creazione di un telaio di dati "DF" è la fase successiva. Ci sono quattro colonne in questo frame dati "Prima", "Second", "Third" e "Quarth". Abbiamo dato a queste colonne alcuni valori. Abbiamo i numeri "3", "4", "5" e "9" per la colonna "Prima". La colonna "seconda" ha i numeri "2", "7", "8", "15" e "10". La colonna "terza" contiene i numeri "19", "11", "13", "12" e "18" e la colonna "quarta" contiene i numeri "22", "29", "34", "24 "e" 22 ". Ora creiamo questo frame dati usando "PD.DataFrame "e utilizziamo anche la funzione" Print () "per mostrarla sullo schermo.
In questo momento, stiamo utilizzando il metodo "Transform ()" con il suo parametro "Func", e al suo interno, stiamo applicando una condizione usando la funzione "Lambda ()". La condizione è "A-1", il che significa che sottraggerà "1" da ciascun valore dei dati nelle colonne e quindi visualizzerà i valori come un altro frame di dati, che chiamiamo un telaio di dati trasformato. Pertanto, utilizzando il metodo "Print ()", visualizzeremo questo frame dati trasformato.
Diamo ora un'occhiata al nostro display di output, in cui sono visibili due frame dati. Il valore iniziale nella colonna "prima" del nostro primo frame di dati è "3", e l'ultimo nella quarta colonna è "22", tuttavia, se utilizziamo la funzione di trasformazione con la condizione Lambda, che è la sottrazione di 1, noi Osserverà che tutti i valori nel frame dati trasformato, che è il secondo frame dati, vengono sottratti correttamente. Dal momento che i primi e gli ultimi valori sono cambiati in "2" e "21", rispettivamente, tutti gli altri valori tra loro sono stati sottratti e modificati.
Esempio 3: divisione di ciascun membro del telaio dati per due utilizzando una condizione Lambda e il metodo Transform ()
In questo esempio, useremo "Transform ()" per dividere ogni numero su tutte le colonne. Stiamo usando il parametro "Func" del metodo Transform () con una condizione Lambda. Usando la funzione "lambda ()" nei panda, ci è permesso di "aggiungere", "sottrarre", "dividere", "moltiplicare" ed eseguire altre operazioni matematiche.
Ora stiamo creando il nostro frame dati "DF" dopo aver importato i panda come "PD". Qui, abbiamo quattro colonne come nell'esempio precedente "W", "X", "Y" e "Z". Inoltre, queste colonne sono presentate con alcuni valori. La prima colonna rappresenta i valori "4", "8", "16", "20" e "6", mentre la seconda colonna contiene i valori "2", "12", "8", "14", e "10", mentre la terza colonna contiene i valori "8", "2", "19", "20" e "22" e nella colonna finale, abbiamo i valori "26", "28", "34", "24" e "22". Inizialmente, stiamo creando questo frame dati con "PD.DataFrame "e mostrarlo sullo schermo con la funzione" Print () ".
Attualmente stiamo usando il metodo principale del nostro programma, "Transform ()" per dividere ciascuno dei numeri in colonne. Pertanto, applichiamo la condizione Lambda "A/2" al parametro "Func" che è uguale a Lambda. Pertanto, "A" descrive ogni valore presente nel frame dati. Dividerà ciascuno dei numeri presenti in colonne uno per uno. Il telaio di dati trasformato è stato quindi mostrato sullo schermo.
Attualmente, il primo frame di dati che abbiamo prodotto, affermando i suoi valori, può essere visto nella parte superiore del display di output e se guardiamo il secondo frame dati, tutti i suoi valori sono stati trasformati. L'operazione di divisione è implementata in modo efficace, come evidenziato dal fatto che il primo valore nel telaio di dati trasformato è ora "2" anziché il valore iniziale del frame dati di "4", il che comporterebbe una risposta di "2" se ci dividessimo " 4 per 2 ". Come si può vedere, anche altri valori sono divisi e trasformati.
Conclusione
In questo articolo, applichiamo il metodo "Transform ()" con il suo parametro "Func" per trasformare il frame dati usando le condizioni "lambda". Possiamo vedere che cambiare ogni elemento del frame dati è ora abbastanza facile. In questo articolo, utilizziamo le tre operazioni matematiche, la sottrazione e la divisione con i parametri "Func" e Lambda per aggiornare i valori del frame dati. Prevediamo che questo articolo ci aiuterà a completare il compito trasformato del nostro panda.