Pandas lambda

Los pandas son aplicaciones tan frecuentes que podría ser más útil enumerar las cosas que no pueden lograr en lugar de las cosas que pueden. Sus datos prácticamente viven en esta herramienta. Pandas puede ayudarlo a aprender sobre los datos limpiando, transformándolo y analizándolo. "Lambda" es una forma alternativa de definir una función en el lenguaje ordinario. Utilizando "lambda", puede definir una función directamente. Implica que puede usar una sola oración del código Python para aplicar una función a algunos datos. Si bien una expresión puede tomar más de un parámetro, una función de "lambda" se limita a una. La expresión se evalúa y se le da un resultado. Pandas de Python utiliza la función "lambda" para abordar una variedad de problemas de investigación de datos. En el marco de datos PANDAS, podemos usar la función "lambda" tanto para las filas como para las columnas.

"Lambda" ejecuta su programa en una empresa de tecnología altamente escalable y administra toda la administración de activos informáticos. Esto cubre la implementación de actualizaciones, el aprovisionamiento de capacidad, la escala automática, el análisis y la grabación de código, y el servidor y el mantenimiento operativo. Una pequeña capacidad con solo una articulación es la función de pandas "lambda". Las habilidades de "lambda" pueden funcionar igualmente en situaciones en las que no tienen nombre. "Lambda" significa la palabra clave de la función. El cuerpo de la función que debe implementarse está indicado por la segunda x. La palabra clave debe ser "lambda" y se requiere, pero los argumentos y el cuerpo pueden diferir de acuerdo con las circunstancias. Los objetos de la función de regreso es posible con las funciones Lambda.

La sintaxis para la función Lambda:

Ejemplo 1: Uso de un marco de datos para ejecutar un método Lambda a una nueva columna aplicando el método asignar ()

Los pandas utilizaron el enfoque "lambda" para abordar diversos problemas de procesamiento de información. Una función breve, el método "lambda" también se puede usar de forma anónima, lo que significa que no necesita un nombre. El método "lambda" se puede usar para escribir programas mínimos y resolver problemas simples. En los idiomas que admiten funciones de alto orden, las expresiones "lambda" o las técnicas de "lambda" son simplemente fragmentos de instrucciones que pueden asignarse a variables, pasar como un argumento o recuperarse de una llamada de función. Han sido durante mucho tiempo un componente de la programación. Comenzando con el primer ejemplo de este artículo, la condición básica para la ejecución del código es la carga de las bibliotecas necesarias. La biblioteca "pandas" es lo que requerimos. Para cargarlo, debemos crear la línea "Importar pandas como PD."Ahora construiremos nuestro marco de datos.

En este ejemplo, nuestro marco de datos se denomina "Estudiantes."Nuestro marco de datos luego obtiene dos columnas adicionales. La primera columna se llama "Nombres" y la segunda se llama "Marcas". Cada una de las dos columnas contiene algunos valores. Tenemos los siguientes valores para la primera columna "Alvin", "Watson", "Thomas" y "Noah" y los valores para la segunda columna "Marcas."Tenemos" 400 "," 360 "," 430 "y" 290."Ahora, generará nuestro marco de datos utilizando" PD.Marco de datos".

Luego llegamos a la mayor parte de nuestro código, donde usamos el método "asignar ()" con "lambda" para construir una nueva columna individual. La función "Lambda" se aplica a una sola columna a través del "DataFrame.Método asignar () ". Lambda es un método adicional para describir las funciones en el lenguaje ordinario. Usando lambda, puede definir una función directamente. Implica que puede usar una sola línea de código Python para aplicar una función a ciertos datos. Ahora asignamos una nueva columna "porcentaje" de la columna en nuestro marco de datos utilizando el método "asignar ()".

Se utilizó un procedimiento "lambda" en la columna "marca". Los porcentajes de los estudiantes se calculan utilizando la función lambda y luego se mantienen en una nueva columna, que es "porcentaje."La fórmula que usamos para determinar el porcentaje mediante el uso de" lambda "es" marcas o marcas totales, que se multiplica por 500 y se multiplica por 100 ", que producirá el porcentaje preciso del estudiante y lo mostrará en la columna" Porcentaje "del marco de datos. "Imprimir (DataFrame)" ahora mostrará el marco de datos en la pantalla.

Podemos ver el resultado de este código. El marco de datos con tres columnas aparece en esta imagen. La primera columna contiene el nombre del alumno, y la segunda columna tiene las calificaciones del alumno. Al utilizar el método "asignar ()" y la función "lambda" para construir el "porcentaje" de la tercera columna ", podemos determinar los porcentajes del alumno y luego agregar esos porcentajes a la tercera columna, que se llama" porcentaje "en el marco de datos. Los valores que se obtuvieron para las columnas porcentuales utilizando la fórmula fueron "80", "72", "86" y "58". El tamaño del índice es "4" en este marco de datos.

Ejemplo 2: Implementación de una función Lambda para usar el método asignar () en múltiples columnas

La técnica de asignación () de Pandas DataFrame nos permite usar la función Lambda en muchas columnas. Cada vez que se requiere una nueva función, como una función lambda o una función de clasificación, somos libres de agregarla. Las columnas y las filas del marco de datos de Pandas se pueden tratar con una función Lambda. En este escenario, comenzamos generando un marco de datos. "Resultado del estudiante" es el nombre de DataFrame. Tenemos cuatro columnas en este marco de datos. La primera columna que tenemos es "nombres". La segunda columna es "Python". El nombre de la tercera columna es "data_structure". El nombre del cuarto es "Cálculo".

En estas columnas, hemos enumerado algunos valores. Para los "nombres" de la columna, tenemos la lista de nombres de algunos estudiantes "Willow", "Alice", "Edward" y "Amelia". Las marcas de la pitón "96", "40", "98" y "98" están representadas por los valores mantenidos en la segunda columna. Los valores en la tercera columna son "86", "56", "73" y "90" y para la cuarta columna tenemos "90", "33", "88" y "78". Ahora usa "PD.DataFrame ”para generar DataFrame.

Ahora, agregamos una nueva columna a nuestro marco de datos utilizando el método "Asignar". La nueva columna se titula "Marcas totales". El nombre de la nueva columna es "Total_marks". Para obtener las marcas generales, utilizamos una función de "lambda" en varias columnas de sujetos, incluida la pitón, la estructura de datos y el cálculo. Esta función agregará los puntajes de los tres sujetos y los mostrará en la columna "Total_marks". "Imprimir (DataFrame)" finalmente mostrará el marco de datos en la pantalla.

Esta vez, obtuvimos este resultado. La función "lambda" proporcionará un excelente resultado cuando se use en varias columnas. Asignamos una nueva columna "Total_marks" a nuestro marco de datos utilizando el método "Asignar" para que podamos mostrar el resultado total del estudiante en esa columna. Finalmente, podemos ver que la columna de "Marcas totales" muestra los resultados totales para los tres sujetos. Los números para las columnas de las marcas totales se calcularon agregando los valores de tres columnas usando la lambda "272", "129", "259" y "266".

Conclusión

En el lenguaje de programación de Python, una función Lambda es una función de una línea sin nombre que toma un argumento y un número infinito de parámetros. Pueden hacer varios argumentos, pero solo uno de ellos se expresará. Un trabajo de Lambda restaura un objeto de capacidad que puede asignarse a ningún factor y no puede contener ninguna afirmación. En el primer caso, se usó "lambda" para determinar el porcentaje, y en el segundo ejemplo, se calcularon las "marcas totales" para los estudiantes. La sintaxis, la utilización y los ejemplos de funciones típicas de "lambda" están cubiertas en este artículo.