Pandas.apply permet als usuaris passar una funció i aplicar-la a cada valor de la sèrie Pandas. Es tracta d'una gran millora per a la biblioteca de pandas, ja que aquesta funció ajuda a segregar les dades segons les condicions requerides perquè s'utilitza de manera eficient en ciència de dades i aprenentatge automàtic.
Instal·lació:
Importeu el mòdul Pandas al fitxer Python mitjançant les ordres següents al terminal:
pip install pandas>
Per llegir el fitxer csv i comprimir-lo en una sèrie de pandas, s'utilitzen les ordres següents:
import pandas as pd s = pd.read_csv('stock.csv', squeeze=True)>
Sintaxi:
s.apply(func, convert_dtype=True, args=())>
Paràmetres:
funció: .apply pren una funció i l'aplica a tots els valors de la sèrie pandas. convert_dtype: Converteix dtype segons l'operació de la funció. args=(): Arguments addicionals per passar a la funció en lloc de la sèrie. Tipus de retorn: Sèrie Pandas després de la funció/operació aplicada.
Exemple #1:
L'exemple següent passa una funció i comprova el valor de cada element en sèrie i retorna baix, normal o alt en conseqüència.
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> ))> |
sistemes experts
>
>
Sortida:
Exemple #2:
A l'exemple següent, es fa una funció anònima temporal a .apply mitjançant lambda. Afegeix 5 a cada valor de la sèrie i retorna una nova sèrie.
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())> |
>
>
Sortida:
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>
Com s'ha observat, valors nous = valors antics + 5