Pandas.apply permet aux utilisateurs de transmettre une fonction et de l'appliquer à chaque valeur de la série Pandas. Il s'agit d'une énorme amélioration pour la bibliothèque pandas car cette fonction permet de séparer les données en fonction des conditions requises grâce auxquelles elles sont utilisées efficacement dans la science des données et l'apprentissage automatique.
Installation:
Importez le module Pandas dans le fichier python en utilisant les commandes suivantes sur le terminal :
pip install pandas>
Pour lire le fichier csv et le compresser dans une série pandas, les commandes suivantes sont utilisées :
pilote Web
import pandas as pd s = pd.read_csv('stock.csv', squeeze=True)> Syntaxe:
s.apply(func, convert_dtype=True, args=())>
Paramètres:
fonction : .apply prend une fonction et l'applique à toutes les valeurs de la série pandas. convertir_dtype : Convertissez le type selon le fonctionnement de la fonction. arguments=() : Arguments supplémentaires à transmettre à la fonction au lieu de la série. Type de retour : Série Pandas après application de la fonction/opération.
Exemple 1:
L'exemple suivant transmet une fonction et vérifie la valeur de chaque élément en série et renvoie faible, normal ou élevé en conséquence.
PYTHON3
import> pandas as pd> # reading csv> s>=> pd.read_csv('stock.csv', squeeze>=> True>)> # defining function to check price> def> fun(num):> >if> num<>200>:> >return> 'Low'> >elif> num>>=> 200> and> num<>400>:> >return> 'Normal'> >else>:> >return> 'High'> # passing function to apply and storing returned series in new> new>=> s.>apply>(fun)> # printing first 3 element> print>(new.head(>3>))> # printing elements somewhere near the middle of series> print>(new[>1400>], new[>1500>], new[>1600>])> # printing last 3 elements> print>(new.tail(>3>))> |
applet applet
>
>
Sortir:
Exemple n°2 :
Dans l'exemple suivant, une fonction anonyme temporaire est créée dans .apply lui-même en utilisant lambda. Il ajoute 5 à chaque valeur de la série et renvoie une nouvelle série.
taille alpha bêta
PYTHON3
import> pandas as pd> s>=> pd.read_csv('stock.csv', squeeze>=> True>)> # adding 5 to each value> new>=> s.>apply>(>lambda> num : num>+> 5>)> # printing first 5 elements of old and new series> print>(s.head(),>'
'>, new.head())> # printing last 5 elements of old and new series> print>(>'
'>, s.tail(),>'
'>, new.tail())> |
>
>
Sortir:
Multiplexeur 8 à 1
0 50.12 1 54.10 2 54.65 3 52.38 4 52.95 Name: Stock Price, dtype: float64 0 55.12 1 59.10 2 59.65 3 57.38 4 57.95 Name: Stock Price, dtype: float64 3007 772.88 3008 771.07 3009 773.18 3010 771.61 3011 782.22 Name: Stock Price, dtype: float64 3007 777.88 3008 776.07 3009 778.18 3010 776.61 3011 787.22 Name: Stock Price, dtype: float64>
Comme observé, nouvelles valeurs = anciennes valeurs + 5