pandas中如何應用apply和lambda

這篇“pandas中如何應用apply和lambda”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內(nèi)容，內(nèi)容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“pandas中如何應用apply和lambda”文章吧。

apply(func [, args [, kwargs ]]) 函數(shù)用于當函數(shù)參數(shù)已經(jīng)存在于一個元組或字典中時，間接地調(diào)用函數(shù)。args是一個包含將要提供給函數(shù)的按位置傳遞的參數(shù)的元組。如果省略了args，任 何參數(shù)都不會被傳遞，kwargs是一個包含關鍵字參數(shù)的字典。簡單說apply()的返回值就是func()的返回值，apply()的元素參數(shù)是有序的，元素的順序必須和func()形式參數(shù)的順序一致，與map的區(qū)別是前者針對column，后者針對元素

lambda是匿名函數(shù)，即不再使用def的形式，可以簡化腳本，使結構不冗余何簡潔

a =  lambda x  : x + 1 
a(10)
 
11

兩者結合可以做很多很多事情，比如split在series里很多功能不可用，而index就可以做

比如有一串數(shù)據(jù)如下，要切分為總數(shù)，正確數(shù)，正確率，則可這樣做

96%(1368608/1412722)
97%(1389916/1427922)
97%(1338695/1373803)
96%(1691941/1745196)
95%(1878802/1971608)
97%(944218/968845)
96%(1294939/1336576)

import pandas as pd
#先生成一個dataframe
d = {"col1" : ["96%(1368608/1412722)",
"97%(1389916/1427922)",
"97%(1338695/1373803)",
"96%(1691941/1745196)",
"95%(1878802/1971608)",
"97%(944218/968845)",
"96%(1294939/1336576)"]}
df1 = pd.DataFrame(d)
 
#切分原文中識別率總數(shù)，采用apply + 匿名函數(shù)
#lambda 函數(shù)的意思是選取x的序列值 ，比如 x[6:9]
#index函數(shù)的意思是把當前字符位置轉(zhuǎn)變?yōu)樗谖恢玫奈粩?shù)
#-1是最后一位
df1['正確數(shù)'] = df1.iloc[:,0].apply(lambda x : x[x.index('(') + 1 : x.index('/')])
df1['總數(shù)'] = df1.iloc[:,0].apply(lambda x : x[x.index('/') + 1 : -1])
df1['正確率'] = df1.iloc[:,0].apply(lambda x : x[:x.index('(')])
df1

示例2

由一組dataframe數(shù)據(jù)，包括有數(shù)值型的三列氣象要素，由這三列通過公式計算人體舒適指數(shù)

應用到的人體舒適指數(shù)計算公式：

import pandas as pd
import numpy as np
import math
path='D:\\data\\57582.csv'  #文件路徑
data=pd.read_csv(path,index_col=0,encoding='gbk')  #讀取數(shù)據(jù)有中文時用gbk解碼
#定義舒適指數(shù)公式函數(shù)，結果保留1位小數(shù)
def get_CHB(T,RH,S):
    return round(1.8*T-0.55*(1.8*T-26)*(1-RH/100)-3.2*math.sqrt(S)+32,1)
#增加一列CHB并計算數(shù)據(jù)后賦值
data['舒適指數(shù)']=data.apply(lambda x:get_CHB(x['平均氣溫'],x['平均相對濕度'],x['2M風速']),axis=1)
#打印結果
print(data)
#保存結果
data.to_csv('D:\\CHB.csv',encoding='gbk')

代碼中使用了apply和lambda的組合，傳入的參數(shù)x為整個data數(shù)據(jù)，在函數(shù)中引入的參數(shù)則是x[‘平均氣溫’],x[‘平均相對濕度’],x[‘2M風速’],與自定義的函數(shù)get_CHB對應。最后需使用axis=1來指定是對列進行運算。

結果如圖所示：

以上就是關于“pandas中如何應用apply和lambda”這篇文章的內(nèi)容，相信大家都有了一定的了解，希望小編分享的內(nèi)容對大家有幫助，若想了解更多相關的知識內(nèi)容，請關注億速云行業(yè)資訊頻道。