Pandas lambda

Les pandas sont des applications si fréquentes qu'il pourrait être plus utile d'énumérer les choses qu'ils ne peuvent pas accomplir plutôt que les choses qu'ils peuvent. Vos données vit pratiquement dans cet outil. Pandas peut vous aider à en savoir plus sur les données en le nettoyant, en les transformant et en les analysant. «Lambda» est un autre moyen de définir une fonction dans un langage ordinaire. En utilisant «lambda», vous pouvez définir directement une fonction. Cela implique que vous pouvez utiliser une seule phrase de code Python pour appliquer une fonction à certaines données. Bien qu'une expression puisse prendre plus d'un paramètre, une fonction «lambda» est limitée à une. L'expression est évaluée et a reçu un résultat. Les Pandas de Python utilisent la fonction «Lambda» pour résoudre une variété de problèmes de recherche sur les données. Dans le Pandas DataFrame, nous pouvons utiliser la fonction «Lambda» pour les lignes et les colonnes.

«Lambda» exécute votre programme dans une entreprise technologique hautement évolutive et gère toute l'administration des actifs informatiques. Cela couvre le déploiement de la mise à jour, le provisionnement des capacités, la mise à l'échelle automatique, l'analyse et l'enregistrement du code, ainsi que la maintenance du serveur et de l'exploitation. Une petite capacité avec une seule articulation est la fonction «Lambda» pandas. Les capacités «Lambda» peuvent également fonctionner dans des situations où ils sont anonymes. «Lambda» signifie le mot-clé de la fonction. Le corps de la fonction qui doit être mis en œuvre est indiqué par le deuxième x. Le mot-clé doit être «lambda» et est nécessaire, mais les arguments et le corps peuvent différer en fonction des circonstances. Les objets de fonction de retour sont possibles avec les fonctions lambda.

La syntaxe de la fonction lambda:

Exemple 1: Utilisation d'un dataframe pour exécuter une méthode lambda à une nouvelle colonne en appliquant la méthode Assign ()

L'approche «Lambda» est utilisée par Pandas pour résoudre divers problèmes de traitement de l'information. Une brève fonction, la méthode «Lambda» peut également être utilisée de manière anonyme, ce qui signifie qu'il n'a pas besoin d'un nom. La méthode «Lambda» peut être utilisée pour écrire des programmes minimaux et résoudre des problèmes simples. Dans les langues qui prennent en charge les fonctions d'ordre élevé, les expressions «lambda» ou les techniques «lambda» sont simplement des morceaux d'instructions qui peuvent être allouées aux variables, passées comme argument, ou récupérées à partir d'un appel de fonction. Ils ont longtemps été un élément de la programmation. En commençant par le premier exemple de cet article, la condition de base pour l'exécution du code est le chargement des bibliothèques nécessaires. La bibliothèque «Pandas» est celle dont nous avons besoin. Pour le charger, nous devons créer la ligne «Importer des pandas comme PD.«Nous allons maintenant construire notre cadre de données.

Dans cet exemple, notre cadre de données est appelé «étudiants."Notre trame de données obtient alors deux colonnes supplémentaires. La première colonne est nommée «noms» et le second est nommé «marques». Chacune des deux colonnes contient certaines valeurs. Nous avons les valeurs suivantes pour la première colonne «Alvin», «Watson», «Thomas» et «Noah» et les valeurs de la deuxième colonne «Marques.«Nous avons« 400 »,« 360 »,« 430 »et« 290.«Maintenant, il générera notre DataFrame en utilisant« PD.Trame de données".

Ensuite, nous atteignons la majeure partie de notre code, où nous utilisons la méthode «attribution ()» avec «Lambda» pour construire une nouvelle colonne unique. La fonction «Lambda» est appliquée à une seule colonne via le «DataFrame.Assign () ”Méthode. Lambda est une méthode supplémentaire pour décrire les fonctions dans un langage ordinaire. En utilisant Lambda, vous pouvez définir une fonction directement. Cela implique que vous pouvez utiliser une seule ligne de code Python pour appliquer une fonction à certaines données. Maintenant, nous attribuons un nouveau «pourcentage» de colonne dans notre méthode DataFrame en utilisant la méthode «Assign ()».

Une procédure «lambda» a été utilisée sur la colonne «Mark». Les pourcentages des étudiants sont calculés à l'aide de la fonction lambda et sont ensuite conservés dans une nouvelle colonne, qui est «le pourcentage.«La formule que nous utilisons pour déterminer le pourcentage en utilisant« Lambda »est« Marques ou marques totales, qui est de 500 et multipliées par 100 », qui produira le pourcentage précis de l'étudiant et affichera dans la colonne« pourcentage »de Dataframe. «Print (dataframe)» affichera désormais le dataframe à l'écran.

Nous pouvons afficher le résultat de ce code. Le dataframe avec trois colonnes apparaît dans cette image. La première colonne contient le nom de l'étudiant, et la deuxième colonne a les notes de l'étudiant. En utilisant la méthode «attribution ()» et la fonction «Lambda» pour construire le «pourcentage» du troisième colonne, nous pouvons déterminer les pourcentages de l'élève, puis ajouter ces pourcentages à la troisième colonne, qui est nommé «pourcentage» dans le cadre de données. Les valeurs obtenues pour les colonnes en pourcentage en utilisant la formule étaient «80», «72», «86» et «58». La taille de l'index est «4» dans ce dataframe.

Exemple 2: Implémentation d'une fonction lambda pour utiliser la méthode Assign () dans plusieurs colonnes

La technique Assign () de Pandas DataFrame () nous permet d'utiliser la fonction lambda sur de nombreuses colonnes. Chaque fois qu'une nouvelle fonction est requise, comme une fonction lambda ou une fonction de tri, nous sommes libres de l'ajouter. Les colonnes et les lignes du cadre de données Pandas peuvent toutes deux être traitées avec une fonction lambda. Dans ce scénario, nous commençons par générer un dataframe. «Résultat de l'étudiant» est le nom du DataFrame. Nous avons quatre colonnes dans ce DataFrame. La première colonne que nous avons est des «noms». La deuxième colonne est "Python". Le nom de la troisième colonne est «data_structure». Le nom du quatrième est le «calcul».

Dans ces colonnes, nous avons répertorié quelques valeurs. Pour les «noms» de la colonne, nous avons la liste des noms de certains étudiants «Willow», «Alice», «Edward» et «Amelia». Les marques du Python «96», «40», «98» et «98» sont représentées par les valeurs détenues dans la deuxième colonne. Les valeurs de la troisième colonne sont «86», «56», «73» et «90» et pour la quatrième colonne, nous avons «90», «33», «88» et «78». Utilisez maintenant «PD.Dataframe »pour générer le dataframe.

Maintenant, nous ajoutons une nouvelle colonne à notre trame de données en utilisant la méthode «Assign». La nouvelle colonne est intitulée «Total Marks». Le nom de la nouvelle colonne est "Total_marks". Pour obtenir les marques globales, nous avons utilisé une fonction «lambda» sur plusieurs colonnes de sujet, y compris Python, la structure des données et le calcul. Cette fonction ajoutera les scores des trois sujets et les affichera dans la colonne "Total_marks". «Print (dataframe)» affichera enfin le dataframe à l'écran.

Cette fois, nous avons obtenu ce résultat. La fonction «Lambda» fournira un excellent résultat lorsqu'il est utilisé dans plusieurs colonnes. Nous attribuons une nouvelle colonne «Total_marks» à notre DataFrame à l'aide de la méthode «Assign» afin que nous puissions afficher le résultat total de l'élève dans cette colonne. Enfin, nous pouvons voir que la colonne «Total Marks» affiche les résultats totaux pour les trois sujets. Les nombres pour les colonnes des marques totales ont été calculés en ajoutant les valeurs de trois colonnes en utilisant la Lambda «272», «129», «259» et «266».

Conclusion

Dans le langage de programmation Python, une fonction lambda est une fonction sans nom et une ligne qui prend un argument et un nombre infini de paramètres. Ils peuvent faire plusieurs arguments, mais un seul d'entre eux sera exprimé. Un travail lambda restaure un objet de capacité qui peut être affecté à n'importe quel facteur et n'est pas en mesure de contenir des affirmations. Dans le premier cas, «Lambda» a été utilisé pour déterminer le pourcentage, et dans le deuxième exemple, les «marques totales» pour les étudiants ont été calculées. La syntaxe, l'utilisation et les exemples de fonctions typiques de «lambda» sont couverts dans cet article.