Pandas Transform
Syntaksen for Python Pandas Transform () -metoden
Eksempel 1: Bruke Pandas Transform () -metoden ved å legge til 1 til hver Element i dataaframe
I denne demonstrasjonen bruker vi “Transform ()” -metoden og “Funksjon” -parameteren for å legge til “1” til hvert element i DataFrame. "Transform ()" -metoden brukes først og fremst til å endre DataFrame ved selvproduserende endringer i DataFrames elementer. Når en metode kjøres på seg selv ved hjelp av “Transform ()” -funksjonen, er en dataaframe med transformerte verdier og samme akselengde som selvet produseres.
Begynner med artikkelens første illustrasjon. Vi bruker "Spyder" -verktøyet for å implementere koden. Vi må importere Pandas -biblioteket først. For å lage DataFrame, bruker vi for øyeblikket “PD.Dataramme". "DF" DataFrame inneholder fire kolonner. Bokstavene “M”, “N”, “O” og “P” er kolonnens navn. Noen verdier er listet opp for disse kolonnene. Vi har verdiene “1”, “2”, “3”, ”4” og “5” i kolonnen “M”. Tallene “6”, “7”, “8”, “9” og “10” er i kolonnen “N” mens tallene “11”, “12”, “13”, “14” og “15” er i den tredje kolonnen "O" Videre har vi "16", "17", "18", "19" og "20" for den endelige kolonnen, "P". DataFrame skrives nå ut ved hjelp av "print ()" -funksjonen.
Det neste vi skal gjøre er å bruke "func" -parameteren med "transform ()" -funksjonen. DataFrame blir i hovedsak transformert av parameteren "func". Som du ser brukes “Lambda” også i transformasjonsmetoden () ved hjelp av “Func” -parameteren. Små ikke navngitte funksjoner er kjent som lambdas. Det kan bare ha ett uttrykk, men kan ha et ubegrenset antall innganger. Her bruker vi Lambda for å uttrykke tilstanden, som er "A+1", og legger til "1" til hver verdi i kolonnene i DataFrame. La oss anta at "A" representerer hvert element i DataFrame og at tilstanden er "A+1", som vil bli brukt en etter ett til hvert element som presenterer DataFrames -kolonnene. Etter dette viser vi utsagnet "Transformert DataFrame" og selve DataFrame på skjermen ved å bruke "print ()" -funksjonen.
Det er to Dataframes synlige i denne skjermdisplayet, som det kan sees. Transformasjonen av DataFrame er oppnådd. Transform DataFrame viser at hvert element i DataFrame har hatt “1” lagt til, som det kan sees ved å se på alle elementene. Den første kolonnen i den første DataFrame har den første verdien “1”, og når du legger til “1” mer, er resultatet “2”, som du kan observere. Den første kolonnens verdi i transformasjonen Dataframe er "2", og følgelig ble alle disse lagt til. Dataframe har en indeksstørrelse på “5”, som spenner fra “0 til 4”.
Eksempel 2: Trekk hvert element i DataFrame ved å bruke transformasjonsmetoden ()
Dette eksemplet er identisk med det første, men i dette tilfellet endres lambda -funksjonens tilstand. I dette tilfellet skal vi trekke "1" fra hvert element som er til stede i en dataaframe individuelt ved å bruke "transform ()" -metoden.
Vi må først importere Panda -biblioteket som "PD" før denne koden kjører. Opprettelsen av en "DF" DataFrame er neste trinn. Det er fire kolonner i denne DataFrame “First”, “Second”, “Third” og “Fjerde”. Vi har gitt disse kolonnene noen verdier. Vi har tallene “3”, “4”, “5” og “9” for “First” -kolonnen. Den "andre" kolonnen har tallene "2", "7", "8", "15," og "10" i den. Den "tredje" kolonnen inneholder tallene "19", "11", "13", "12" og "18" og "fjerde" kolonnen inneholder tallene "22", "29", "34", "24 "og" 22 ". Nå oppretter vi denne dataaframe ved å bruke “PD.DataFrame, ”og vi bruker også" Print () "-funksjonen for å vise den på skjermen.
For øyeblikket bruker vi metoden “Transform ()” med parameteren “Func”, og inni den bruker vi en tilstand ved å bruke "Lambda ()" -funksjonen. Tilstanden er "A-1", noe som betyr at den vil trekke "1" fra hver verdi av dataene i kolonnene og deretter vise verdiene som en annen dataaframe, som vi omtaler som en transformert datafram. Derfor, ved hjelp av "print ()" -metoden, vil vi vise denne transformerte DataFrame.
La oss nå se på output -visningen vår, der to dataframmer er synlige. Den opprinnelige verdien i den "første" kolonnen i vår første DataFrame er "3", og den siste i den fjerde kolonnen er "22", hvis vi bruker transformasjonsfunksjonen med lambda -tilstanden, som er subtraksjon av 1, vi vil observere at alle verdiene i den transformerte DataFrame, som er den andre DataFrame, blir trukket fra. Siden de første og siste verdiene har endret seg til henholdsvis “2” og “21”, har alle andre verdier mellom dem også blitt trukket fra og endret.
Eksempel 3: Deling hvert DataFrame -medlem med to ved hjelp av en lambda -tilstand og transformasjonsmetode () -metoden
I dette eksemplet bruker vi “Transform ()” for å dele hvert nummer over alle kolonnene. Vi bruker Transform () -metodens “func” -parameter med en lambda -tilstand. Ved å bruke "lambda ()" -funksjonen i pandaer, har vi lov til å "legge til", "trekke", "dele", "multiplisere" og utføre andre matematiske operasjoner.
Vi lager nå vår dataaframe “DF” etter å ha importert pandaer som “PD”. Her har vi fire kolonner som i forrige eksempel “W”, “X”, “Y” og “Z”. I tillegg presenteres disse kolonnene noen verdier. Den første kolonnen representerer verdiene “4”, “8”, “16”, “20” og “6”, mens den andre kolonnen inneholder verdiene “2”, “12”, “8”, “14”, og “10”, mens den tredje kolonnen inneholder verdiene “8”, “2”, “19”, “20” og “22” og i den endelige kolonnen, har vi verdiene “26”, ”28”, ”34", ”24” og “22”. Til å begynne med lager vi denne dataaframe med “PD.DataFrame ”og viser den på skjermen med“ Print () ”-funksjonen.
Vi bruker for tiden programmets hovedmetode, "transform ()" for å dele hvert av tallene i kolonner. Dermed bruker vi lambda -tilstanden “A/2” på parameteren “func” som er lik lambda. Derfor beskriver “A” hver verdi som er til stede i DataFrame. Det vil dele hvert av tallene som er til stede i kolonner en etter en. Det transformerte DataFrame ble deretter vist på skjermen.
For tiden kan det første dataaframet som vi produserte, som sier dens verdier, sees øverst på utgangsdisplayet, og hvis vi ser på den andre DataFrame, er alle verdiene blitt transformert. Divisjonsoperasjonen implementeres effektivt, noe som fremgår av det faktum at den første verdien i den transformerte DataFrame nå er “2” i stedet for den første Dataframes verdi på “4”, noe som vil resultere i et svar på “2” hvis vi delte ” 4 av 2 ”. Som det kan sees, blir andre verdier også delt og transformert.
Konklusjon
I denne artikkelen bruker vi “Transform ()” -metoden med sin parameter “Func” for å transformere DataFrame ved å bruke “Lambda” -forhold. Vi kan se at det nå er ganske enkelt å endre hvert element i DataFrame. I denne artikkelen bruker vi de tre matematiske operasjonstilskuddene, subtraksjon og inndeling med parametrene “func” og lambda for å oppdatere verdiene til DataFrame. Vi forventer at denne artikkelen vil hjelpe oss med å fullføre vår Pandas transformerte oppdrag.