<\/p>\n
Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um eine Lambda-Funktion auf einen Pandas-DataFrame anzuwenden:<\/span><\/p>\n Die folgenden Beispiele zeigen, wie diese Syntax in der Praxis mit dem folgenden Pandas DataFrame verwendet wird:<\/span><\/p>\n Der folgende Code zeigt, wie Sie mit apply<\/strong> und lambda<\/strong> eine neue Spalte erstellen, deren Werte von den Werten einer vorhandenen Spalte abh\u00e4ngen:<\/span><\/p>\n In diesem Beispiel haben wir eine neue Spalte namens Status<\/strong> erstellt, die die folgenden Werte annimmt:<\/span><\/p>\n Der folgende Code zeigt, wie Sie mit apply<\/strong> und lambda<\/strong> eine vorhandene Spalte im DataFrame \u00e4ndern:<\/span><\/p>\n In diesem Beispiel \u00e4ndern wir die Werte der vorhandenen Punktspalte<\/strong> mithilfe der folgenden Regel in der Lambda-Funktion:<\/span><\/p>\n Mit dieser Lambda-Funktion konnten wir die Werte der vorhandenen Punktspalte<\/strong> \u00e4ndern.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie andere allgemeine Funktionen in Pandas ausgef\u00fchrt werden:<\/span><\/p>\n So wenden Sie eine Funktion auf Pandas Groupby an<\/a> Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um eine Lambda-Funktion auf einen Pandas-DataFrame anzuwenden: df[‚ col ‚] = df[‚ col ‚]. apply ( lambda x: ‚ value1 ‚ if x < 20 else ‚ value2 ‚) Die folgenden Beispiele zeigen, wie diese Syntax in der Praxis mit dem folgenden Pandas DataFrame verwendet wird: import pandas […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n df[' col<\/span> '] = df[' col<\/span> ']. apply<\/span> ( lambda<\/span> x: ' value1<\/span> ' if<\/span> x < 20 else<\/span> ' value2<\/span> ')\n<\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],\n ' points<\/span> ': [18, 22, 19, 14, 14, 11, 20, 28],\n ' assists<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0 to 18 5\n1 B 22 7\n2 C 19 7\n3 D 14 9\n4 E 14 12\n5 F 11 9\n6 G 20 9\n7:28 a.m. 4\n<\/strong><\/pre>\n Beispiel 1: Verwenden Sie Apply und Lambda, um eine neue Spalte zu erstellen<\/strong><\/span><\/h3>\n
#create new column called 'status'\ndf[' status<\/span> '] = df[' points<\/span> ']. apply<\/span> ( lambda<\/span> x: ' Bad<\/span> ' if<\/span> x < 20 else<\/span> ' Good<\/span> ')\n<\/span>\n#view updated DataFrame\nprint<\/span> (df)\n\n team points assists status\n0 A 18 5 Bad\n1 B 22 7 Good\n2 C 19 7 Bad\n3 D 14 9 Bad\n4 E 14 12 Bad\n5 F 11 9 Bad\n6 G 20 9 Good\n7:28 4 Good<\/span><\/span><\/strong><\/pre>\n\n
Beispiel 2: Verwenden Sie Apply und Lambda, um eine vorhandene Spalte zu \u00e4ndern<\/strong><\/span><\/h3>\n
#modify existing 'points' column\ndf[' points<\/span> '] = df[' points<\/span> ']. apply<\/span> ( lambda<\/span> x: x\/2 if<\/span> x < 20 else<\/span> x*2)\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0 to 9.0 5\n1 B 44.0 7\n2 C 9.5 7\n3D 7.0 9\n4 E 7.0 12\n5 F 5.5 9\n6 G 40.0 9\n7 A.M. 56.0 4<\/span><\/span><\/strong><\/pre>\n\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So f\u00fcllen Sie NaN mit Werten aus einer anderen Spalte in Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"