I panda sono applicazioni così frequenti che potrebbe essere più utile enumerare le cose che non possono realizzare piuttosto che le cose che possono. I tuoi dati risiedono praticamente in questo strumento. I panda possono aiutarti a conoscere i dati pulendo, trasformandoli e analizzandoli. 'Lambda' è un modo alternativo per definire una funzione nel linguaggio ordinario. Utilizzando “lambda”, è possibile definire direttamente una funzione. Implica che puoi usare una singola frase di codice Python per applicare una funzione ad alcuni dati. Mentre un'espressione può richiedere più di un parametro, una funzione 'lambda' è limitata a uno. L'espressione viene valutata e fornita un risultato. Python's Pandas utilizza la funzione 'lambda' per affrontare una varietà di problemi di ricerca dei dati. Nei panda DataFrame, possiamo usare la funzione 'lambda' sia per le righe che per le colonne.
'Lambda' esegue il tuo programma su un'azienda tecnologica altamente scalabile e gestisce tutta l'amministrazione delle risorse informatiche. Ciò copre la distribuzione degli aggiornamenti, il provisioning della capacità, il ridimensionamento automatico, l'analisi e la registrazione del codice e la manutenzione operativa e del server. Una piccola capacità con un solo snodo è la funzione “Lambda” di Panda. Le abilità 'Lambda' possono funzionare ugualmente in situazioni in cui sono senza nome. 'Lambda' sta per la parola chiave della funzione. Il corpo della funzione da implementare è indicato dalla seconda x. La parola chiave deve essere “lambda” ed è obbligatoria, ma gli argomenti e il corpo possono differire a seconda delle circostanze. La restituzione di oggetti funzione è possibile con le funzioni lambda.
La sintassi per la funzione lambda:
Esempio 1: utilizzo di un DataFrame per eseguire un metodo Lambda su una nuova colonna applicando il metodo assign()
L'approccio 'Lambda' viene utilizzato da Panda per affrontare diversi problemi di elaborazione delle informazioni. Una breve funzione, il metodo 'Lambda' può essere utilizzato anche in modo anonimo, il che significa che non ha bisogno di un nome. Il metodo 'lambda' può essere utilizzato per scrivere programmi minimi e risolvere problemi semplici. Nei linguaggi che supportano funzioni di ordine elevato, le espressioni 'lambda' o le tecniche 'lambda' sono semplicemente blocchi di istruzioni che possono essere allocati a variabili, passati come argomento o recuperati da una chiamata di funzione. Sono stati a lungo una componente della programmazione. A partire dal primo esempio di questo articolo, la condizione di base per l'esecuzione del codice è il caricamento delle librerie necessarie. La libreria 'Panda' è ciò di cui abbiamo bisogno. Per caricarlo, dobbiamo creare la riga 'import pandas as pd'. Ora costruiremo il nostro frame di dati.
In questo esempio, il nostro frame di dati è chiamato 'studenti'. Il nostro frame di dati ottiene quindi due colonne aggiuntive. La prima colonna è denominata 'Nomi' e la seconda è denominata 'Marchi'. Ciascuna delle due colonne contiene alcuni valori. Abbiamo i seguenti valori per la prima colonna 'Alvin', 'Watson', 'Thomas' e 'Noah' e i valori per la seconda colonna 'Marks'. Abbiamo '400', '360', '430' e '290'. Ora genererà il nostro DataFrame utilizzando 'pd.DataFrame'.
Quindi raggiungiamo la maggior parte del nostro codice, dove utilizziamo il metodo 'assign()' con 'lambda' per costruire una nuova singola colonna. La funzione 'Lambda' viene applicata a una sola colonna tramite il metodo 'dataframe.assign()'. Lambda è un metodo aggiuntivo per descrivere le funzioni nel linguaggio ordinario. Usando lambda, puoi definire direttamente una funzione. Implica che puoi utilizzare una singola riga di codice Python per applicare una funzione a determinati dati. Ora assegniamo una nuova colonna 'Percentuale' nel nostro dataframe utilizzando il metodo 'assign()'.
Sulla colonna “Mark” è stata utilizzata una procedura “lambda”. Le percentuali degli studenti vengono calcolate utilizzando la funzione Lambda e vengono quindi conservate in una nuova colonna, che è 'Percentuale'. La formula che utilizziamo per determinare la percentuale utilizzando 'lambda' è 'voti o voti totali, che è 500 e moltiplicato per 100', che produrrà la percentuale precisa dello studente e la visualizzerà nella colonna 'percentuale' del dataframe. 'print(dataframe)' ora visualizzerà il dataframe sullo schermo.
Possiamo visualizzare il risultato di questo codice. Il dataframe con tre colonne appare in questa immagine. La prima colonna contiene il nome dello studente e la seconda colonna i voti dello studente. Utilizzando il metodo 'assign()' e la funzione 'lambda' per costruire la 'percentuale' della terza colonna possiamo determinare le percentuali dello studente e quindi aggiungere quelle percentuali alla terza colonna, che è denominata 'percentuale' nel frame di dati . I valori ottenuti per le colonne percentuali utilizzando la formula erano “80”, “72”, “86” e “58”. La dimensione dell'indice è '4' in questo dataframe.
Esempio 2: implementazione di una funzione Lambda per utilizzare il metodo assign() in più colonne
La tecnica assign() di Pandas DataFrame ci consente di utilizzare la funzione Lambda su molte colonne. Ogni volta che è richiesta una nuova funzione, come una funzione lambda o una funzione di ordinamento, siamo liberi di aggiungerla. Le colonne e le righe del frame di dati Pandas possono essere trattate entrambe con una funzione lambda. In questo scenario, iniziamo generando un dataframe. 'Risultato studente' è il nome del dataframe. Abbiamo quattro colonne in questo dataframe. La prima colonna che abbiamo è 'Nomi'. La seconda colonna è 'Python'. Il nome della terza colonna è “Data_structure”. Il nome del quarto è 'Calcolo'.
In queste colonne abbiamo elencato alcuni valori. Per la colonna “Nomi”, abbiamo l'elenco dei nomi di alcuni studenti “Willow”, “Alice”, “Edward” e “Amelia”. I segni del pitone '96', '40', '98' e '98' sono rappresentati dai valori contenuti nella seconda colonna. I valori nella terza colonna sono “86”, “56”, “73” e “90” e per la quarta colonna abbiamo “90”, “33”, “88” e “78”. Ora usa 'pd.DataFrame' per generare il dataframe.
Ora aggiungiamo una nuova colonna al nostro frame di dati utilizzando il metodo 'assegna'. La nuova colonna si intitola “Punti totali”. Il nome della nuova colonna è 'Total_marks'. Per ottenere i voti complessivi, abbiamo utilizzato una funzione 'Lambda' su diverse colonne di argomenti, tra cui Python, struttura dei dati e calcolo. Questa funzione aggiungerà i punteggi di tutte e tre le materie e li visualizzerà nella colonna 'Total_marks'. 'print(dataframe)' visualizzerà finalmente il dataframe sullo schermo.
Questa volta abbiamo ottenuto questo risultato. La funzione 'Lambda' fornirà un risultato eccellente se utilizzata in più colonne. Assegniamo una nuova colonna 'Total_marks' al nostro dataframe utilizzando il metodo 'assegna' in modo da poter visualizzare il risultato totale dello studente in quella colonna. Infine, possiamo vedere che la colonna 'Punti totali' mostra i risultati totali per tutte e tre le materie. I numeri per le colonne dei voti totali sono stati calcolati sommando i valori di tre colonne utilizzando lambda '272', '129', '259' e '266'.
Conclusione
Nel linguaggio di programmazione Python, una funzione lambda è una funzione di una riga senza nome che accetta un argomento e un numero infinito di parametri. Possono avanzare diverse argomentazioni, ma solo una verrà espressa. Un lavoro lambda ripristina un oggetto capacità che può essere assegnato a qualsiasi fattore e non è in grado di contenere alcuna asserzione. Nel primo caso è stato utilizzato “lambda” per determinare la percentuale e nel secondo esempio sono stati calcolati i “voti totali” per gli studenti. La sintassi, l'utilizzo e gli esempi delle tipiche funzioni 'lambda' sono trattati in questo articolo.