Pythona | Pandy.apply()
Pandas.apply pozwala użytkownikom przekazywać funkcję i stosować ją do każdej pojedynczej wartości serii Pandas. Stanowi to ogromne ulepszenie dla biblioteki pandas, ponieważ ta funkcja pomaga segregować dane zgodnie z wymaganymi warunkami, dzięki czemu są one efektywnie wykorzystywane w nauce danych i uczeniu maszynowym.
Instalacja:
Zaimportuj moduł Pandas do pliku Pythona, używając następujących poleceń na terminalu:
pip install pandas
Aby odczytać plik csv i wcisnąć go do serii pand, używane są następujące polecenia:
import pandas as pd s = pd.read_csv('stock.csv', squeeze=True) Składnia:
s.apply(func, convert_dtype=True, args=())
Parametry:
funkcja: .apply pobiera funkcję i stosuje ją do wszystkich wartości serii pand. konwersja_typu: Konwertuj typ zgodnie z działaniem funkcji. argumenty=(): Dodatkowe argumenty do przekazania do funkcji zamiast serii. Typ zwrotu: Seria Pandy po zastosowaniu funkcji/operacji.
Przykład 1:
Poniższy przykład przekazuje funkcję i sprawdza wartość każdego elementu w szeregu i odpowiednio zwraca wartość niską, normalną lub wysoką.
PYTON3
import> pandas as pd> # reading csv> s> => pd.read_csv('stock.csv', squeeze> => True> )> # defining function to check price> def> fun(num):> > if> num <> 200> :> > return> 'Low'> > elif> num>> => 200> and> num <> 400> :> > return> 'Normal'> > else> :> > return> 'High'> # passing function to apply and storing returned series in new> new> => s.> apply> (fun)> # printing first 3 element> print> (new.head(> 3> ))> # printing elements somewhere near the middle of series> print> (new[> 1400> ], new[> 1500> ], new[> 1600> ])> # printing last 3 elements> print> (new.tail(> 3> ))> |
Wyjście:
Przykład nr 2:
W poniższym przykładzie tymczasowa funkcja anonimowa jest tworzona w samym .apply przy użyciu lambdy. Dodaje 5 do każdej wartości w serii i zwraca nową serię.
PYTON3
import> pandas as pd> s> => pd.read_csv('stock.csv', squeeze> => True> )> # adding 5 to each value> new> => s.> apply> (> lambda> num : num> +> 5> )> # printing first 5 elements of old and new series> print> (s.head(),> '
'> , new.head())> # printing last 5 elements of old and new series> print> (> '
'> , s.tail(),> '
'> , new.tail())> |
Wyjście:
0 50.12 1 54.10 2 54.65 3 52.38 4 52.95 Name: Stock Price, dtype: float64 0 55.12 1 59.10 2 59.65 3 57.38 4 57.95 Name: Stock Price, dtype: float64 3007 772.88 3008 771.07 3009 773.18 3010 771.61 3011 782.22 Name: Stock Price, dtype: float64 3007 777.88 3008 776.07 3009 778.18 3010 776.61 3011 787.22 Name: Stock Price, dtype: float64
Jak zaobserwowano, nowe wartości = stare wartości + 5
