<\/p>\n
De functie pandas apply()<\/a> kan worden gebruikt om een functie toe te passen op rijen of kolommen van een pandas DataFrame.<\/span><\/p>\n Deze functie verschilt van andere functies zoals drop()<\/strong> en Replace()<\/strong> die een inplace-argument bieden:<\/span><\/p>\n De functie apply()<\/strong> heeft geen inplace-argument, dus we moeten de volgende syntaxis gebruiken om een inplace DataFrame te transformeren:<\/span><\/p>\n De volgende voorbeelden laten zien hoe u deze syntaxis in de praktijk kunt gebruiken met de volgende panda’s DataFrame:<\/span><\/p>\n De volgende code laat zien hoe u apply()<\/strong> gebruikt om een dataframekolom op zijn plaats te transformeren:<\/span><\/p>\n De volgende code laat zien hoe u apply()<\/strong> gebruikt om meerdere dataframekolommen op hun plaats te transformeren:<\/span><\/p>\n De volgende code laat zien hoe u apply()<\/strong> gebruikt om alle kolommen in het dataframe op hun plaats te transformeren:<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende functies in panda’s kunt uitvoeren:<\/span><\/p>\n Hoe de som van kolommen in Panda’s te berekenen<\/a> De functie pandas apply() kan worden gebruikt om een functie toe te passen op rijen of kolommen van een pandas DataFrame. Deze functie verschilt van andere functies zoals drop() en Replace() die een inplace-argument bieden: df. drop ([‚ column1 ‚], inplace= True ) df. rename ({‚ old_column ‚: ‚ new_column ‚}, inplace= True ) De […]<\/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":[],"class_list":["post-2095","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df. drop<\/span> ([' column1<\/span> '], inplace= True<\/span> )\n\ndf. rename<\/span> ({' old_column<\/span> ': ' new_column<\/span> '}, inplace= True<\/span> )\n<\/strong><\/pre>\n df = df. apply<\/span> ( lambda<\/span> x: x* 2<\/span> )<\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' points<\/span> ': [25, 12, 15, 14, 19, 23, 25, 29],\n ' assists<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12]})\n\n#view DataFrame\n<\/span>df\n\n points assists rebounds\n0 25 5 11\n1 12 7 8\n2 15 7 10\n3 14 9 6\n4 19 12 6\n5 23 9 5\n6 25 9 9\n7 29 4 12\n<\/strong><\/pre>\n Voorbeeld 1: Gebruik apply() voor een kolom<\/strong><\/span><\/h3>\n
#multiply all values in 'points' column by 2 in place\n<\/span>df. loc<\/span> [:, ' points<\/span> '] = df. points<\/span> . apply<\/span> ( lambda<\/span> x: x* 2<\/span> )\n\n#view updated DataFrame<\/span>\ndf\n\npoints assists rebounds\n0 50 5 11\n1 24 7 8\n2 30 7 10\n3 28 9 6\n4 38 12 6\n5 46 9 5\n6 50 9 9\n7 58 4 12\n<\/strong><\/pre>\n Voorbeeld 2: Gebruik apply() voor meerdere kolommen<\/strong><\/span><\/h3>\n
multiply all values in 'points' and 'rebounds' column by 2 in place<\/span>\ndf[[' points<\/span> ', ' rebounds<\/span> ']] = df[[' points<\/span> ', ' rebounds<\/span> ']]. apply<\/span> ( lambda<\/span> x: x* 2<\/span> )\n\n#view updated DataFrame\n<\/span>df\n\n\tpoints assists rebounds\n0 50 5 22\n1 24 7 16\n2 30 7 20\n3 28 9 12\n4 38 12 12\n5 46 9 10\n6 50 9 18\n7 58 4 24\n<\/strong><\/pre>\n Voorbeeld 3: Gebruik apply() voor alle kolommen<\/strong><\/span><\/h3>\n
#multiply values in all columns by 2\n<\/span>df = df. apply<\/span> ( lambda<\/span> x: x* 2<\/span> )\n\n#view updated DataFrame<\/span>\ndf\n\n\tpoints assists rebounds\n0 50 10 22\n1 24 14 16\n2 30 14 20\n3 28 18 12\n4 38 24 12\n5 46 18 10\n6 50 18 18\n7 58 8 24\n<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe het gemiddelde van kolommen in Panda’s te berekenen<\/a>
Hoe u de maximale waarde van kolommen in Panda’s kunt vinden<\/p>\n","protected":false},"excerpt":{"rendered":"