Pandy przekształcają

„Python pandy dostarczają nam stosunkowo prostej techniki, jeśli potrzebujemy przekształcenia naszej strumienia danych lub serii. Metoda Panda „Transform ()” to metoda integralna, która wykorzystuje funkcję do generowania nowej ramki danych samej w sobie, zmieniając każdy element obecny w oryginalnej ramce danych, zachowując długość i indeksowanie takiej samej. „FUNC” to parametr zaprojektowania funkcji metody „transform ()”. Używamy „FUNC” z warunkami Lambda, aby przekształcić DataFrame. Metoda „lambda ()” stosuje się do innych funkcji."

Składnia metody Python Pandas Transform ()

Przykład 1: Za pomocą metody Pandas Transform () przez dodanie 1 do każdego Element danych danych

W tej demonstracji użyjemy metody „transform ()” i parametru „funkcji”, aby dodać „1” do każdego elementu ramki danych. Metoda „Transform ()” jest stosowana przede wszystkim do zmiany ramki danych poprzez samodzielną produkcję zmian w elementach DataFrame. Gdy metoda jest uruchamiana sama za pomocą funkcji „transform ()”, tworzona jest oprawa danych z transformowanymi wartościami i tą samą długością osi, co jaźń.

Począwszy od pierwszej ilustracji artykułu. Używamy narzędzia „Spyder” do wdrożenia kodu. Musimy najpierw zaimportować bibliotekę panda. Aby utworzyć ramkę danych, obecnie używamy „PD.ramka danych". „DF” DataFrame zawiera cztery kolumny. Litery „M”, „N”, „O” i „P” to nazwy kolumny. Niektóre wartości zostały wymienione dla tych kolumn. Mamy wartości „1”, „2”, „3”, 4 ”i„ 5 ”w kolumnie„ M ”. Liczby „6”, „7”, „8”, „9” i „10” znajdują się w kolumnie „N”, podczas gdy liczby „11”, „12”, „13”, „14” i „15” są w trzeciej kolumnie „O” Ponadto mamy „16”, „17”, „18”, „19” i „20” dla ostatniej kolumny „P”. Rzeka danych jest teraz drukowana za pomocą funkcji „print ()”.

Następną rzeczą, którą zamierzamy zrobić, jest użycie parametru „FUNC” z funkcją „transform ()”. Rama danych jest zasadniczo przekształcana przez parametr „FUNC”. Jak widać, „Lambda” jest również stosowana w metodzie Transform () przy użyciu parametru „FUNC”. Małe nienazwane funkcje są znane jako lambdas. Może mieć tylko jedno wyrażenie, ale może mieć nieograniczoną liczbę danych wejściowych. Tutaj używamy Lambda do wyrażenia warunku, którym jest „A+1”, dodając „1” do każdej wartości w kolumnach DataFrame. Załóżmy, że „A” reprezentuje każdy element w ramce danych i że warunek to „A+1”, który zostanie zastosowany jeden po drugim do każdego elementu przedstawiający kolumny DataFrame. Następnie wyświetlamy instrukcję „transformowaną ramkę danych” i samą strumień danych na ekranie za pomocą funkcji „print ()”.

W tym wyświetlaczu obrazu widoczne są dwie ramy danych, jak widać. Transformacja strumienia danych jest osiągana. Transform DataFrame pokazuje, że każdy element w ramce danych ma „1” do niego, co można zobaczyć, patrząc na wszystkie elementy. Pierwsza kolumna w pierwszej ramce danych ma pierwszą wartość „1”, a kiedy dodasz „1” więcej, wynik to „2”, jak można obserwować. Wartość pierwszej kolumny w transformacji danych danych to „2”, a zatem wszystkie zostały dodane. DataFrame ma rozmiar indeksu „5”, który waha się od „0 do 4”.

Przykład 2: Odejmowanie każdego elementu ramki danych za pomocą metody transformacji ()

Ten przykład jest identyczny z pierwszym, ale w tym przypadku zmienia się stan funkcji Lambda. W takim przypadku odejmujemy „1” od każdego elementu obecnego w ramce danych indywidualnie za pomocą metody „transform ()”.

Najpierw musimy zaimportować bibliotekę panda jako „PD” przed uruchomieniem tego kodu. Stworzenie „DF” DataFrame jest kolejnym etapem. Istnieją cztery kolumny w tym zakresie danych „First”, „Second”, „trzeci” i „czwarte”. Podaliśmy te kolumny niektóre wartości. Mamy liczby „3”, „4”, „5” i „9” dla kolumny „pierwszej”. Kolumna „druga” ma liczby „2”, „7”, „8”, „15” i „10”. Kolumna „trzecia” zawiera liczby „19”, „11”, „13”, „12” i „18”, a kolumna „czwarta” zawiera liczby „22”, „29”, „34”, 24 ”, 24 „I„ 22 ”. Teraz tworzymy tenframe za pomocą „PD.DataFrame ”, a my również używamy funkcji„ print () ”, aby pokazać ją na ekranie.

W tej chwili wykorzystujemy metodę „transform ()” z jej parametrem „FUNC”, a wewnątrz jej stosujemy stan za pomocą funkcji „lambda ()”. Warunkiem jest „A-1”, co oznacza, że ​​odejdzie „1” od każdej wartości danych w kolumnach, a następnie wyświetli wartości jako kolejną ramkę danych, którą nazywamy przekształconą ramką danych. Dlatego, stosując metodę „print ()”, wyświetlimy ten transformowany ramkę danych.

Spójrzmy teraz na nasz wyświetlacz wyjściowy, w którym widoczne są dwie oprawy danych. Wartość początkowa w kolumnie „pierwszej” naszej pierwszej ramki danych wynosi „3”, a ostatni w czwartej kolumnie to „22”, jednak jeśli używamy funkcji transformacji z warunkami Lambda, która jest odejmowaniem 1, my my, my zaobserwuje, że wszystkie wartości w przekształconej ramce danych, która jest drugą ramką danych, są pomyślnie odejmowane. Ponieważ pierwsze i ostatnie wartości zmieniły się odpowiednio na „2” i „21”, wszystkie inne wartości między nimi zostały również odjęte i zmienione.

Przykład 3: Dzielenie każdego elementu DataFrame przez dwa przy użyciu warunku Lambda i metody transformacji ()

W tym przykładzie użyjemy „transform ()”, aby podzielić każdą liczbę na wszystkie kolumny. Używamy parametru „FUNC” metody Transform () z warunkami Lambda. Korzystając z funkcji „lambda ()” w pandy, możemy „dodać”, „odejmować”, „dzielenie”, „mnożenie” i wykonywać inne operacje matematyczne.

Teraz tworzymy naszą „DF” po importowaniu pandy jako „PD”. Tutaj mamy cztery kolumny, takie jak w poprzednim przykładzie „W”, „X”, „Y” i „Z”. Dodatkowo te kolumny są przedstawiane z pewnymi wartościami. Pierwsza kolumna reprezentuje wartości „4”, „8”, „16”, „20” i „6”, podczas gdy druga kolumna zawiera wartości „2”, „12”, „8”, „14”, i „10”, podczas gdy trzecia kolumna zawiera wartości „8”, „2”, „19”, „20” i „22”, aw końcowej kolumnie mamy wartości „26”, ”28”, „34”, „24” i „22”. Początkowo tworzymy tenframe z „PD.DataFrame ”i pokazanie go na ekranie z funkcją„ print () ”.

Obecnie używamy głównej metody naszego programu, „transform ()”, aby podzielić każdą z liczb na kolumny. W ten sposób stosujemy warunek Lambda „A/2” do parametru „FUNC”, który jest równy Lambda. Dlatego „a” opisuje każdą wartość obecną w ramce danych. Podzieli każdą z obecnych liczb na kolumny jeden po drugim. Przekształcona ramka danych została następnie wyświetlona na ekranie.

Obecnie pierwsza opracowaliśmy ramkę danych, stwierdzając jej wartości, można zobaczyć u góry wyświetlacza wyjściowego, a jeśli spojrzymy na drugą ramkę danych, wszystkie jego wartości zostały przekształcone. Operacja podziału jest wdrażana skutecznie, o czym świadczy fakt, że pierwsza wartość w przekształconej ramce danych jest teraz „2”, a nie początkowa wartość „4”, co spowodowałoby odpowiedź „2”, gdybyśmy się podzielili ” 4 na 2 ”. Jak widać, inne wartości są również podzielone i przekształcone.

Wniosek

W tym artykule stosujemy metodę „Transform ()” do jej parametru „FUNC”, aby przekształcić ramkę danych przy użyciu warunków „Lambda”. Widzimy, że zmiana każdego elementu DataFrame jest teraz dość łatwa. W tym artykule używamy trzech operacji matematycznych dodawania, odejmowania i podziału z parametrami „FUNC” i Lambda, aby zaktualizować wartości DataFrame. Spodziewamy się, że ten artykuł pomoże nam w zakończeniu przekształconego zadania Pandy.