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:
sterownik internetowy
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>))> |
if instrukcja Java
>
>
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.
kiedy wynaleziono szkołę
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:
konwersja nfa do dfa
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