Pandas sind so häufige Anwendungen, dass es nützlicher sein könnte, die Dinge aufzuzählen, die sie nicht erreichen können, anstatt die Dinge, die sie können. Ihre Daten leben praktisch in diesem Tool. Pandas kann Ihnen helfen, mehr über Daten zu erfahren, indem es sie bereinigt, transformiert und analysiert. „Lambda“ ist eine alternative Möglichkeit, eine Funktion in der gewöhnlichen Sprache zu definieren. Mit „Lambda“ können Sie eine Funktion direkt definieren. Dies impliziert, dass Sie einen einzigen Satz Python-Code verwenden können, um eine Funktion auf einige Daten anzuwenden. Während ein Ausdruck mehr als einen Parameter annehmen kann, ist eine „Lambda“-Funktion auf einen beschränkt. Der Ausdruck wird bewertet und mit einem Ergebnis versehen. Python’s Pandas verwendet die „Lambda“-Funktion, um eine Vielzahl von Datenforschungsproblemen zu lösen. Im pandas DataFrame können wir die „Lambda“-Funktion sowohl für die Zeilen als auch für die Spalten verwenden.
„Lambda“ führt Ihr Programm auf einem hochskalierbaren Technologieunternehmen aus und verwaltet die gesamte Computer-Asset-Verwaltung. Dies umfasst Updatebereitstellung, Kapazitätsbereitstellung, automatische Skalierung, Codeanalyse und -aufzeichnung sowie Server- und Betriebswartung. Eine kleine Kapazität mit nur einem Gelenk ist die Pandas „Lambda“-Funktion. „Lambda“-Fähigkeiten können auch in Situationen funktionieren, in denen sie unbenannt sind. „Lambda“ steht für das Schlüsselwort der Funktion. Der Körper der zu implementierenden Funktion wird durch das zweite x angezeigt. Das Schlüsselwort muss „lambda“ lauten und ist erforderlich, aber die Argumente und der Textkörper können sich je nach den Umständen unterscheiden. Die Rückgabe von Funktionsobjekten ist mit Lambda-Funktionen möglich.
Die Syntax für die Lambda-Funktion:
Beispiel 1: Verwenden eines Datenrahmens zum Ausführen einer Lambda-Methode für eine neue Spalte durch Anwenden der Assign()-Methode
Der „Lambda“-Ansatz wird von Pandas verwendet, um verschiedene Probleme der Informationsverarbeitung anzugehen. Eine kurze Funktion, das „Lambda“-Verfahren kann auch anonym verwendet werden, d.h. es braucht keinen Namen. Die „Lambda“-Methode kann verwendet werden, um minimale Programme zu schreiben und einfache Probleme zu lösen. In Sprachen, die Funktionen höherer Ordnung unterstützen, sind „Lambda“-Ausdrücke oder „Lambda“-Techniken einfach Teile von Anweisungen, die Variablen zugewiesen, als Argument übergeben oder von einem Funktionsaufruf abgerufen werden können. Sie sind seit langem Bestandteil der Programmierung. Beginnend mit dem ersten Beispiel dieses Artikels ist die Grundvoraussetzung für die Ausführung des Codes das Laden der erforderlichen Bibliotheken. Die „Pandas“-Bibliothek ist das, was wir brauchen. Um es zu laden, müssen wir die Zeile „import pandas as pd“ erstellen. Wir werden jetzt unseren Datenrahmen konstruieren.
In diesem Beispiel wird unser Datenrahmen als „Studenten“ bezeichnet. Unser Datenrahmen erhält dann zwei zusätzliche Spalten. Die erste Spalte heißt „Namen“ und die zweite „Marken“. Jede der beiden Spalten enthält einige Werte. Wir haben die folgenden Werte für die erste Spalte „Alvin“, „Watson“, „Thomas“ und „Noah“ und die Werte für die zweite Spalte „Marks“. Wir haben „400“, „360“, „430“ und „290“. Jetzt wird unser DataFrame mithilfe von „pd.DataFrame“ generiert.
Dann erreichen wir den Großteil unseres Codes, wo wir die Methode „assign()“ mit „lambda“ verwenden, um eine neue einzelne Spalte zu erstellen. Die Funktion „Lambda“ wird durch die Methode „dataframe.assign()“ auf nur eine Spalte angewendet. Lambda ist eine zusätzliche Methode zur Beschreibung von Funktionen in gewöhnlicher Sprache. Mit Lambda können Sie eine Funktion direkt definieren. Es impliziert, dass Sie eine einzelne Zeile Python-Code verwenden können, um eine Funktion auf bestimmte Daten anzuwenden. Jetzt weisen wir unserem Datenrahmen eine neue Spalte „Prozent“ zu, indem wir die Methode „assign()“ verwenden.
Auf die Spalte „Mark“ wurde ein „Lambda“-Verfahren angewendet. Die Prozentsätze der Schüler werden mithilfe der Lambda-Funktion berechnet und dann in einer neuen Spalte namens „Prozent“ gespeichert. Die Formel, die wir verwenden, um den Prozentsatz mithilfe von „Lambda“ zu bestimmen, lautet „Marken oder Gesamtnoten, was 500 ist und mit 100 multipliziert wird“, was den genauen Prozentsatz des Schülers ergibt und ihn in der Spalte „Prozent“ des Datenrahmens anzeigt. „print(dataframe)“ zeigt nun den Datenrahmen auf dem Bildschirm an.
Wir können das Ergebnis dieses Codes anzeigen. Der Datenrahmen mit drei Spalten erscheint in diesem Bild. Die erste Spalte enthält den Namen des Schülers und die zweite Spalte die Noten des Schülers. Indem wir die „assign()“-Methode und die „lambda“-Funktion verwenden, um den „Prozentsatz“ der dritten Spalte zu konstruieren, können wir die Prozentsätze des Schülers bestimmen und diese Prozentsätze dann zur dritten Spalte hinzufügen, die im Datenrahmen „Prozentsatz“ heißt . Die Werte, die für die Prozentspalten unter Verwendung der Formel erhalten wurden, waren „80“, „72“, „86“ und „58“. Die Größe des Index ist in diesem Datenrahmen „4“.
Beispiel 2: Implementieren einer Lambda-Funktion zur Verwendung der Methode „assign()“ in mehreren Spalten
Die Assign()-Technik des Pandas DataFrame ermöglicht es uns, die Lambda-Funktion für viele Spalten zu verwenden. Jedes Mal, wenn eine neue Funktion erforderlich ist, z. B. eine Lambda-Funktion oder eine Sortierfunktion, steht es uns frei, diese hinzuzufügen. Die Spalten und Zeilen des Pandas-Datenrahmens können beide mit einer Lambda-Funktion behandelt werden. In diesem Szenario beginnen wir mit der Generierung eines Datenrahmens. „Schülerergebnis“ ist der Name des Datenrahmens. Wir haben vier Spalten in diesem Datenrahmen. Die erste Spalte, die wir haben, ist „Namen“. Die zweite Spalte ist „Python“. Der Name der dritten Spalte lautet „Data_structure“. Der Name für die vierte ist „Calculus“.
In diesen Spalten haben wir einige Werte aufgelistet. Für die Spalte „Namen“ haben wir die Liste einiger Schülernamen „Willow“, „Alice“, „Edward“ und „Amelia“. Die Markierungen der Python „96“, „40“, „98“ und „98“ werden durch die in der zweiten Spalte enthaltenen Werte dargestellt. Die Werte in der dritten Spalte sind „86“, „56“, „73“ und „90“ und für die vierte Spalte haben wir „90“, „33“, „88“ und „78“. Verwenden Sie nun „pd.DataFrame“, um den Datenrahmen zu generieren.
Jetzt fügen wir unserem Datenrahmen eine neue Spalte hinzu, indem wir die Methode „Assign“ verwenden. Die neue Spalte trägt den Titel „Gesamtnoten“. Der Name für die neue Spalte lautet „Total_marks“. Um die Gesamtpunktzahl zu erhalten, haben wir eine „Lambda“-Funktion für mehrere Themenspalten verwendet, darunter Python, Datenstruktur und Analysis. Diese Funktion addiert die Punktzahlen aus allen drei Fächern und zeigt sie in der Spalte „Total_marks“ an. „print(dataframe)“ zeigt schließlich den Datenrahmen auf dem Bildschirm an.
Dieses Mal haben wir dieses Ergebnis erhalten. Die „Lambda“-Funktion liefert ein hervorragendes Ergebnis, wenn sie in mehreren Spalten verwendet wird. Wir weisen unserem Datenrahmen mit der Methode „assign“ eine neue Spalte „Total_marks“ zu, sodass wir das Gesamtergebnis des Schülers in dieser Spalte anzeigen können. Schließlich können wir sehen, dass die Spalte „Gesamtnoten“ die Gesamtergebnisse für alle drei Fächer anzeigt. Die Zahlen für die Spalten der Gesamtpunktzahl wurden berechnet, indem die Werte aus drei Spalten mit dem Lambda „272“, „129“, „259“ und „266“ addiert wurden.
Fazit
In der Programmiersprache Python ist eine Lambda-Funktion eine namenlose, einzeilige Funktion, die ein Argument und eine unendliche Anzahl von Parametern akzeptiert. Sie können mehrere Argumente vorbringen, aber nur eines davon wird zum Ausdruck gebracht. Eine Lambda-Arbeit stellt ein Kapazitätsobjekt wieder her, das einem beliebigen Faktor zugewiesen werden kann und keine Behauptungen enthalten kann. Im ersten Fall wurde „Lambda“ verwendet, um den Prozentsatz zu ermitteln, und im zweiten Beispiel wurden „Gesamtnoten“ für die Schüler berechnet. Die Syntax, Verwendung und Beispiele typischer „Lambda“-Funktionen werden in diesem Artikel behandelt.