Cara menggunakan pandas apply() di tempat
Fungsi pandas apply() dapat digunakan untuk menerapkan fungsi ke baris atau kolom pandas DataFrame.
Fungsi ini berbeda dari fungsi lain seperti drop() dan replace() yang memberikan argumen inplace:
df. drop ([' column1 '], inplace= True ) df. rename ({' old_column ': ' new_column '}, inplace= True )
Fungsi apply() tidak memiliki argumen inplace, jadi kita harus menggunakan sintaks berikut untuk mengubah DataFrame inplace:
df = df. apply ( lambda x: x* 2 )
Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya dengan pandas DataFrame berikut:
import pandas as pd #createDataFrame df = pd. DataFrame ({' points ': [25, 12, 15, 14, 19, 23, 25, 29], ' assists ': [5, 7, 7, 9, 12, 9, 9, 4], ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]}) #view DataFrame df points assists rebounds 0 25 5 11 1 12 7 8 2 15 7 10 3 14 9 6 4 19 12 6 5 23 9 5 6 25 9 9 7 29 4 12
Contoh 1: Gunakan apply() sebagai pengganti kolom
Kode berikut menunjukkan cara menggunakan apply() untuk mengubah kolom bingkai data di tempatnya:
#multiply all values in 'points' column by 2 in place df. loc [:, ' points '] = df. points . apply ( lambda x: x* 2 ) #view updated DataFrame df points assists rebounds 0 50 5 11 1 24 7 8 2 30 7 10 3 28 9 6 4 38 12 6 5 46 9 5 6 50 9 9 7 58 4 12
Contoh 2: Gunakan apply() sebagai pengganti beberapa kolom
Kode berikut menunjukkan cara menggunakan apply() untuk mengubah beberapa kolom bingkai data di tempatnya:
multiply all values in 'points' and 'rebounds' column by 2 in place df[[' points ', ' rebounds ']] = df[[' points ', ' rebounds ']]. apply ( lambda x: x* 2 ) #view updated DataFrame df points assists rebounds 0 50 5 22 1 24 7 16 2 30 7 20 3 28 9 12 4 38 12 12 5 46 9 10 6 50 9 18 7 58 4 24
Contoh 3: Gunakan apply() untuk semua kolom
Kode berikut menunjukkan cara menggunakan apply() untuk mengubah semua kolom dalam bingkai data pada tempatnya:
#multiply values in all columns by 2 df = df. apply ( lambda x: x* 2 ) #view updated DataFrame df points assists rebounds 0 50 10 22 1 24 14 16 2 30 14 20 3 28 18 12 4 38 24 12 5 46 18 10 6 50 18 18 7 58 8 24
Sumber daya tambahan
Tutorial berikut menjelaskan cara menjalankan fungsi umum lainnya di panda:
Cara menghitung jumlah kolom di Pandas
Cara menghitung rata-rata kolom di Pandas
Bagaimana menemukan nilai maksimum kolom di Pandas