Pandas.apply giver brugerne mulighed for at videregive en funktion og anvende den på hver enkelt værdi i Pandas-serien. Det kommer som en kæmpe forbedring for pandas-biblioteket, da denne funktion hjælper med at adskille data i overensstemmelse med de betingelser, der kræves, på grund af hvilke den bruges effektivt i datavidenskab og maskinlæring.
Installation:
Importer Pandas-modulet til python-filen ved hjælp af følgende kommandoer på terminalen:
pip install pandas>
For at læse csv-filen og klemme den ind i en panda-serie bruges følgende kommandoer:
import pandas as pd s = pd.read_csv('stock.csv', squeeze=True)> Syntaks:
s.apply(func, convert_dtype=True, args=())>
Parametre:
func: .apply tager en funktion og anvender den på alle værdier i panda-serien. convert_dtype: Konverter dtype i henhold til funktionens operation. args=(): Yderligere argumenter, der skal overføres til funktion i stedet for serier. Returtype: Pandas Series efter påført funktion/betjening.
Eksempel #1:
Følgende eksempel sender en funktion og kontrollerer værdien af hvert element i serie og returnerer lav, normal eller høj i overensstemmelse hermed.
PYTHON3
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>))> |
latex lister
>
>
Produktion:
Eksempel #2:
I det følgende eksempel laves en midlertidig anonym funktion i .apply sig selv ved hjælp af lambda. Det tilføjer 5 til hver værdi i serier og returnerer en ny serie.
PYTHON3
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())> |
>
>
Produktion:
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>
Som observeret er Nye værdier = gamle værdier + 5