PANDAS APLAPMAP

O Python é uma excelente linguagem para realizar análises de dados, principalmente devido ao forte ecossistema de programas Python focados em lidar com dados. Uma dessas ferramentas, pandas, simplifica bastante a importação e análise de dados. Cada elemento em um DataFrame é aplicado com uma função usando o método ApplyMap (), que recebe e retorna um escalar. O principal benefício dos pandas é a capacidade de transformar dados e aplicar análises. Essas funções (map (), ApplMap () e Apply ()) são usadas para alterar os dados, mas existem algumas distinções entre eles e variações sutis na maneira como são usadas. No entanto, discutiremos apenas o ApplMap ().

Como usar a função ApplyMap no Windows

A função única permite uma ação em termos de elemento em todo o DataFrame é aplicável.

Embora alguns cenários tenham um desempenho mais rápido do que o aplicativo () graças à otimização, comparar os dois ainda é uma boa ideia antes de realizar qualquer operações mais pesadas.

Sintaxe:

Quadro de dados.ApplyMap (func)

Parâmetros

FUNC: Um único valor é retornado por um único valor em uma função python.

Saída: DataFrame transformado.

Somente o DataFrame define esta técnica. O DataFrame.APLICMAP () aceita apenas chamadas. Para quadros de dados, ApplMap () é em termos de elemento. ApplMap () é mais eficiente do que o aplicativo (). Uma peça/elemento de cada vez pode ser operada usando a função ApplyMap ().

Exemplo 1: Adicione o valor a cada elemento do quadro de dados usando o ApplyMap ()

Vamos primeiro importar um conjunto de dados on -line (iris_data), para que possamos aplicar nossa função ApplyMap () para mostrar os resultados.

Você deve importar os pandas e adicionar o objeto "PD" ao código para apoiar os pandas. Procedimentos matemáticos simples são comparativamente mais fáceis de executar. De acordo com o eixo que você define, o argumento da função quando aplicação () é usado em um quadro de dados se torna a linha ou coluna inteira. E se você quisesse aplicar uma função específica em cada componente de quadro de dados, em vez de apenas cada linha e coluna? Quando isso acontece, ApplMap () é útil. Considere uma situação em que um erro foi cometido e você deseja corrigi -lo adicionando um a cada elemento em seus dados, pois você descobriu que o erro era uma medida de medição repetível. Para começar, vamos definir uma função ajudante:

Definimos uma função add_one e passamos o item como um argumento. Ele retornará o item + 1, o que significa que adicionará um a cada entrada de dados no conjunto de dados. Vamos aplicá -lo a todos os elementos do quadro de dados originais, excluindo a coluna de destino, usando o ApplyMap ().

Se você contrastar esta saída com o original, verá que cada entrada teve uma adicionada. Ele demonstra o potencial da função ApplyMap ().

Exemplo 2: Calculando o comprimento de cada elemento do quadro de dados usando o ApplyMap ()

Assim como o exemplo anterior, vamos importar pandas e um conjunto de dados para começar a trabalhar. Agora, o que a função ApplyMap () usa? Está operando em quadros de dados ou aplicará uma função a todos os elementos do quadro de dados? Por exemplo, com este quadro de dados, criamos aqui. Temos todos esses valores diferentes. A função ApplyMap () aceitará alguma função e o elemento o executará no valor único em todo o quadro de dados e depois retornará um quadro de dados com qualquer que seja o resultado dessa função. Agora, como os quadros de dados geralmente possuem dados de diferentes tipos em diferentes colunas, o ApplyMap () é um pouco menos comum de uma função a ser usada do que o aplicativo () ou o mapa ().

Como visto acima, temos alguns números em colunas e algumas cordas de personagem. Portanto, se quiséssemos passar uma função que só funcione em números no aplicativoMap (), isso vai causar um erro porque pode se aplicar à coluna de preços. No entanto, outras colunas são cordas. Então, não funcionaria nisso. Temos que ter certeza de passar uma função que vai funcionar em números e strings. Abaixo, definimos uma função que deve funcionar em números ou strings:

O script anterior converterá esses números em uma string usando a função str (). Em seguida, ele apenas verificará o comprimento usando a função len (). Então, podemos definir esta função. Se passarmos isso para aplicar -se (), obteremos um quadro de dados como uma saída com o comprimento de todas essas entradas diferentes em nosso quadro de dados.

Exemplo 3: Alterar/substituir os valores dos elementos do quadro de dados usando a função ApplyMap ()

A função ApplyMap () do Pandas usa uma função definida pelo usuário para atualizar o conteúdo elemento por elemento do quadro de dados após receber um quadro de dados do Pandas como entrada. Com um dicionário, podemos criar uma função Lambda que fornecerá um novo valor para cada elemento no quadro de dados como uma saída para atualizar os valores de um quadro de dados. Vamos aplicar a mesma ilustração às funções Substituir () e Map () da Biblioteca Pandas para substituir os valores em um quadro de dados por aqueles de um dicionário.

Ao usar a função de amostra () no módulo aleatório, produziremos alguns dados de amostra.

Agora, um quadro de dados com um tipo de dados de string será criado.

Queremos substituir alguns dos valores do quadro de dados por novos. Aqui, construiremos um dicionário com os novos valores que servem como valores de dicionário e os valores antigos que servem como chaves.

Agora podemos atualizar valores elemento por elemento usando a função Pandas ApplyMap (). A função Lambda será passada como entrada na função ApplyMap (). A entrada da função Lambda é um elemento e sua saída é o resultado de usar um dicionário para consultar a chave.

E, como resultado, recebemos um quadro de dados com valores atualizados.

Exemplo 4: Alterar valores/itens de um quadro de dados usando a função ApplyMap ()

Primeiro, faremos um quadro de dados com linhas e colunas específicas e especificaremos os nomes de seus índices.

Vamos multiplicar cada item do quadro de dados por 10.

Todo componente do Dados Dataframe DF é multiplicado e a saída é salva no quadro de dados alt df. A função ApplyMap () recebe uma função lambda como um parâmetro e retorna um resultado multiplicando cada item ou valor por 10. Como resultado, os elementos do DataFrame DF são todos escalados por 10. Quando uma função sem nome é necessária para uma breve duração, as funções lambda são usadas. Normalmente, nós o utilizamos como um argumento para uma função de ordem superior em Python. Juntamente com métodos internos como o ApplyMap () e o filtro (), as funções lambda são empregadas.

Podemos aplicar várias operações aos componentes do quadro de dados, além dos matemáticos.

Como você pode ver na imagem anterior, anexamos o .99 para cada valor dentro do quadro de dados DF. Também podemos usar valores de string para anexar os dados em vez de dados numéricos.

Conclusão

Neste artigo, ensinamos como você pode usar a função ApplyMap () no Python usando a Biblioteca Pandas. Vimos que o método ApplyMap () opera em todo o quadro de dados, elemento a elemento. Isso nos ensinou a usar o Python Pandas Dataframe.Método AplicarMap (). Trabalhamos através de exemplos usando esse método no quadro de dados para entender como adicionar valores, calcular o comprimento e substituir e alterar os valores de cada elemento de nosso quadro de dados usando a função ApplyMap ().