Pandas DataFrame -kart
Syntaks:
# Series.Kart (Arg, Na_Action = Ingen)
Eksempel 1:
Vi bruker praktisk talt “Map ()” -metoden i Pandas -koden vår. Vi importerer metoden som Pandas gir ved hjelp av "Import" nøkkelordet og angir “Pandas som PD”. Dette hjelper oss i koden vår der vi må få tilgang til Pandas -metodene. Vi legger bare "PD" for å gjøre dette. Nå heter denne listen eller serien som er opprettet her "score_data".Vi setter inn "First_name" som inkluderer "Emma, Robert, Leonard, Howard og Jessica". Deretter har vi "Last_name" som inneholder "Edward, Samuel, Herry, William og Fowler". Vi legger til "42, 36, 46, 45 og 39" i "alder" -listen.
Etter dette har vi “score_1 og score_2” der vi legger til henholdsvis "9, 8, 6, 7, 5" og "28, 45, 59, 62, 70". Vi endrer denne “score_data” til “score_df” og nevner “first_name, last_name, age, score_1 og score_2” som kolonnene. Så det er satt som overskriften til DataFrame. Vi skriver ut “score_df” på terminalen. Etter dette lager vi en ordbok om "fagene" og setter inn emnetavnene ved å nevne første_navn med emnetavnet. I ordboken legger vi til "Computer, Chemistry, Maths, Astronaut and Science" ved å nevne "First_name" sammen med dette. Nå kartlegger vi denne ordboken til den tidligere nevnte “score_df”.
Vi oppretter en ny kolonne som heter “Emner”. Vi nevner “First_name” -kolonnen og bruker “Map ()” -metoden for å kartlegge forsøkspersonene til denne “score_df”. Etter å ha kartlagt emnekolonnen til "score_df", viser vi "score_df". Dette vises bare når vi bruker metoden “Print ()”.
Nå sammenstiller og utfører vi denne Pandas -koden i "Spyder". Det er to måter å utføre denne koden. En av dem er å treffe “Shift+ Enter” -tastene, og den andre er å utføre koden ved å klikke på “Kjør” -knappen til “Spyder” -appen. Etter utførelse får vi den gitte produksjonen. Den første DataFrame inneholder fem kolonner. Vi kartlegger kolonnen til denne "score_df" ved hjelp av "kart ()" -metoden som også er vist i følgende illustrasjon:
Eksempel 2:
Nå begynner vi et nytt eksempel ved å importere “Pandas som PD” og lage en nestet liste som heter “AC_LIST”. Denne nestede listen består av tre kolonner som heter “AC_NAME, AC_NUM, JOINED”. "AC_name" har navnene "James, Melissa, Farnham, Samuel, Bromley, Coghill og Fuller". “AC_NUM” inneholder tallene på kontoen som “AC4319, AC1234, AC3498, AC4525, AC4439, AC2624 og AC1501”. I sammenføyningen legger vi til måneden for å bli med som er "juni, april, mai, august, februar, januar og desember". "AC_LIST" blir endret til "AC_DF" DataFrame fordi vi bruker "PD.Dataramme". Vi legger denne "ac_df" til "print ()" -metoden. Det blir gjengitt når vi utfører koden.
Etter dette genererer vi en ordbok og lagrer den i "kjønn". Vi setter "mannlige og kvinnelige" kjønn for de dataene vi satte inn i forrige liste. Vi kartlegger også denne ordboken til DataFrame som vi har laget. For å kartlegge “kjønnene” til denne “AC_DF”, oppretter vi først en ny kolonne som heter “Kjønn”, nevn "Fornavn" -kolonnen, og bruk deretter "Map ()" -metoden. I denne metoden setter vi inn “kjønnene”. Vi viser "ac_df" etter å ha kartlagt kolonnen "kjønn" til den. Dette vises bare når vi bruker metoden “Print ()”.
Vi får den spesifiserte utgangen når den nevnte koden kjøres. Tre kolonner utgjør den første DataFrame. Vi kartlegger deretter "kjønn" -kolonnen til denne "AC_DF" ved hjelp av "Map ()" -teknikken, som også er demonstrert her. “Nan” vises som indikerer at vi ikke satte inn noen verdi.
Eksempel 3:
I dette eksemplet oppretter vi Pandas -serien etter å ha importert pandaene. Vi genererer denne Pandas -serien ved å bruke “PD.Serie "metode for pandaer. Denne "PD" får tilgang til denne "serien" -metoden. Vi setter inn noen data i denne serien og lagrer serien i "Animals" -variabelen. Denne serien inneholder "kanin, ku, rotte, hund, mus og bjørn" i den.
Deretter viser vi denne serien. Etter å ha vist "Animals" -serien, kartlegger vi en linje til alle verdiene i serien. Vi bruker "Map ()" -metoden og setter inn "Jeg er en ". Sett inn navnet på dyrene en etter en i disse krøllete seler. Skriv dem deretter ut, noe som betyr at den viser denne linjen med alle dyrenavnene. Den gjengir serien etter kartlegging som den er skrevet i metoden “Print ()”.
Du kan se at dyrenavnene er gjengitt i en serie. Deretter kartlegger den linjen som vi skrev tidligere med alle dyrenavn og skriver ut "Jeg er en" -streng med alle dyrenavnene.
Eksempel 4:
Nå importerer vi pandaene så vel som Numpy -biblioteket fordi vi bruker funksjonen eller metoden til både pandaer og numpy i dette eksemplet. Vi genererer “C_LIST” som inneholder “C_fee” og “C_DUR”. I “C_fee” satte vi “22000, 25000, 23000, NP.Nan og 26000 ”. Her, “NP.Nan ”betyr at vi får denne verdien fra Numpy Library. Deretter legger vi dataene i "C_DUR" som er "20 dager, 50 dager, 40 dager, 35 dager og 45 dager". Denne "C_List" konverteres til "C_DF".
Deretter bruker vi noen funksjoner i denne "kart ()" -metoden. Vi bruker "lambda" -metoden her og erstatter 10% fra "c_fee" -verdiene. Dette lagres i en annen kolonne som vi la til her med navnet "Fee". Vi kartlegger denne "avgiften" med "C_fee" -kolonnen. Deretter bruker vi “print ()” -metoden. "C_DF" vises når "kjønn" -kolonnen er kartlagt til den.
To kolonner dukket opp her før kartlegging. Når "kart ()" -metoden blir brukt, settes en ny kolonne "gebyr" inn i disse to kolonnene. Den viser verdien etter å ha erstattet 10% fra “C_fee” -verdiene. I stedet for "Nan" gjengir det også "Nan" i kolonnen "avgift" fordi det ikke er noen verdi til stede i "C_fee" som beregningen blir brukt.
Konklusjon
Denne guideens hovedmål er å gi en veldig godt, enkel og beskrivende informasjon om “Map ()” -funksjonen i pandaer.Denne guiden forklarte konseptet med "kart ()" -funksjonen på en veloppdragen måte. Vi viste deg hvordan du bruker "Map ()" -funksjonen i kodene her. Som vi forklarte, brukes "Map ()" -metoden for å kartlegge serieverdiene i deres tilsvarende innganger. Vi illustrerte fire eksempler i denne guiden der vi benyttet "MAP ()" -metoden. Etter å ha lært denne guiden grundig, håper vi at du enkelt kan bruke denne "kart ()" -metoden i pandaer enkelt.