Pandas se transforma

“Python Pandas nos fornece uma técnica relativamente simples se precisarmos transformar nosso quadro de dados ou série. O método Pandas "Transform ()" é um método integral que usa uma função para gerar um novo DataFrame por si só, alterando todos os elementos presentes no quadro de dados originais, mantendo o comprimento e indexar o mesmo. "Func" é o parâmetro que designa função do método "transform ()". Usamos "func" com condições de lambda para transformar o quadro de dados. O método "Lambda ()" é aplicado para incluir outras funções.”

A sintaxe para o método Python Pandas Transform ()

Exemplo 1: Usando o método pandas transform () adicionando 1 a cada Elemento do quadro de dados

Nesta demonstração, usaremos o método "Transform ()" e o parâmetro "Função" para adicionar "1" a cada elemento do DataFrame. O método "Transform ()" é usado principalmente para alterar o quadro de dados, autoproduzindo alterações nos elementos do quadro de dados. Quando um método é executado em si mesmo usando a função "Transform ()", uma estrutura de dados com valores transformados e o mesmo comprimento do eixo que o eu é produzido.

Começando com a primeira ilustração do artigo. Usamos a ferramenta "Spyder" para implementar o código. Devemos importar a biblioteca de pandas primeiro. Para criar o DataFrame, atualmente estamos usando “PD.quadro de dados". O quadro de dados "df" contém quatro colunas. As letras "M", "N", "O" e "P" são os nomes da coluna. Alguns valores foram listados para essas colunas. Temos os valores "1", "2", "3", "4" e "5" na coluna "M". Os números “6”, “7”, “8”, “9” e “10” estão na coluna “n” enquanto os números “11”, “12”, “13”, “14” e “15” estão na terceira coluna "O" Além disso, temos "16", "17", "18", "19" e "20" para a coluna final, "P". O DataFrame está sendo impresso usando a função "print ()".

A próxima coisa que vamos fazer é usar o parâmetro "func" com a função "transform ()". O DataFrame é essencialmente transformado pelo parâmetro "func". Como você pode ver, "Lambda" também é usado no método transform () usando o parâmetro "func". Pequenas funções sem nome são conhecidas como lambdas. Ele só pode ter uma expressão, mas pode ter um número ilimitado de entradas. Aqui, usamos lambda para expressar a condição, que é "a+1", adicionando "1" a cada valor nas colunas do quadro de dados. Vamos supor que "A" represente cada elemento no quadro de dados e que a condição é "a+1", que será aplicada uma a uma a cada elemento que apresentava as colunas dos quadros de dados. Depois disso, estamos exibindo a declaração "Transformed Dataframe" e o próprio DataFrame na tela usando a função "print ()".

Existem dois quadros de dados visíveis nesta exibição de imagem de saída, como pode ser visto. A transformação do quadro de dados é realizada. A transformação DataFrame mostra que cada elemento no DataFrame teve "1" adicionado a ele, como pode ser visto olhando para todos os elementos. A primeira coluna no primeiro dataframe tem o primeiro valor "1" e quando você adiciona "1" mais, o resultado é "2", como você pode observar. O valor da primeira coluna no quadro de dados de transformação é "2" e, portanto, todos eles foram adicionados. O DataFrame tem um tamanho de índice de "5", que varia de "0 a 4".

Exemplo 2: subtrair cada elemento do DataFrame usando o método transform ()

Este exemplo é idêntico ao primeiro, mas nesse caso, a condição da função lambda é alterada. Nesse caso, vamos subtrair "1" de cada elemento presente em um DataFrame individualmente usando o método "transform ()".

Devemos primeiro importar a biblioteca do Panda como "PD" antes que este código seja executado. A criação de um dadoframe "df" é o próximo estágio. Existem quatro colunas neste quadro de dados "Primeiro", "Segundo", "Terceiro" e "Quarto". Demos a essas colunas alguns valores. Temos os números "3", "4", "5" e "9" para a coluna "Primeira". A coluna “Segundo” tem os números “2”, “7”, “8”, ”15, e“ 10 ”. A coluna “Terceira” contém os números “19”, “11”, “13”, “12” e “18” e a “Quarta” coluna contém os números “22”, “29”, “34”, “24 "E" 22 ". Agora, criamos esse quadro de dados usando “PD.DataFrame "e também usamos a função" print () "para mostrá -la na tela.

Neste momento, estamos utilizando o método "transform ()" com seu parâmetro "func" e, dentro dele, estamos aplicando uma condição usando a função "lambda ()". A condição é "A-1", o que significa que subtrairá "1" de cada valor dos dados nas colunas e depois exibirá os valores como outro DataFrame, ao qual nos referimos como um quadro de dados transformado. Portanto, usando o método "print ()", exibiremos este DataFrame transformado.

Vamos agora dar uma olhada em nossa tela de saída, onde dois quadros de dados são visíveis. O valor inicial na “primeira” coluna do nosso primeiro dados de dados é "3", e o último na quarta coluna é "22", no entanto, se usarmos a função de transformação com a condição Lambda, que é a subtração de 1, nós observará que todos os valores no quadro de dados transformados, que é o segundo quadro de dados, são subtraídos com sucesso. Desde que o primeiro e os últimos valores mudaram para "2" e "21", respectivamente, todos os outros valores entre eles também foram subtraídos e alterados.

Exemplo 3: Dividindo cada membro do DataFrame por dois usando uma condição lambda e o método transform ()

Neste exemplo, usaremos "transform ()" para dividir cada número sobre todas as colunas. Estamos usando o parâmetro "func" do Método Transform () com uma condição Lambda. Usando a função "lambda ()" em pandas, podemos "adicionar", "subtrair", "dividir", "multiplicar" e executar outras operações matemáticas.

Agora estamos criando nosso quadro de dados "DF" depois de importar pandas como "PD". Aqui, temos quatro colunas como no exemplo anterior "W", "X", "Y" e "Z". Além disso, essas colunas são apresentadas com alguns valores. A primeira coluna representa os valores "4", "8", "16", "20" e "6", enquanto a segunda coluna contém os valores "2", "12", "8", "14", e "10", enquanto a terceira coluna contém os valores "8", "2", "19", "20" e "22" e na coluna final, temos os valores "26", 28 ", "34",, 24 "e" 22 ". Inicialmente, estamos criando esse quadro de dados com “PD.DataFrame ”e mostrando -o na tela com a função“ print () ”.

Atualmente, estamos usando o método principal do nosso programa, "Transform ()" para dividir cada um dos números em colunas. Assim, aplicamos a condição Lambda "A/2" ao parâmetro "func", que é igual a Lambda. Portanto, “A” descreve todos os valores presentes no DataFrame. Ele dividirá cada um dos números presentes nas colunas uma a uma. O quadro de dados transformado foi então mostrado na tela.

Atualmente, o primeiro quadro de dados que produzimos, afirmando seus valores, pode ser visto na parte superior da tela de saída e, se olharmos para o segundo quadro de dados, todos os seus valores foram transformados. A operação da divisão é implementada de maneira eficaz, como evidenciado pelo fato de que o primeiro valor no quadro de dados transformado agora é "2", em vez do valor inicial do quadro de dados de "4", o que resultaria em uma resposta de "2" se dividirmos " 4 por 2 ”. Como pode ser visto, outros valores também são divididos e transformados.

Conclusão

Neste artigo, aplicamos o método "Transform ()" com seu parâmetro "func" para transformar o quadro de dados usando condições "lambda". Podemos ver que alterar todos os elementos do quadro de dados agora é muito fácil. Neste artigo, usamos a adição de três operações matemáticas, subtração e divisão com os parâmetros "func" e Lambda para atualizar os valores do DataFrame. Prevemos que este artigo nos ajudará a concluir a tarefa transformada de nossos panda.