Jak używać pand apply() w miejscu

Funkcji pandas Apply() można użyć do zastosowania funkcji do wierszy lub kolumn ramki DataFrame pandy.

Ta funkcja różni się od innych funkcji, takich jak drop() i zamień() , które dostarczają argumentu w miejscu:

 df. drop ([' column1 '], inplace= True )

df. rename ({' old_column ': ' new_column '}, inplace= True )

Funkcja Apply() nie ma argumentu inplace, dlatego aby przekształcić inplace DataFrame, musimy zastosować następującą składnię:

 df = df. apply ( lambda x: x* 2 )

Poniższe przykłady pokazują, jak w praktyce używać tej składni z następującą ramką DataFrame pand:

 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

Przykład 1: Użyj Apply() zamiast kolumny

Poniższy kod ilustruje sposób użycia Apply() do transformacji kolumny ramki danych w miejscu:

 #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

Przykład 2: Użyj Apply() zamiast wielu kolumn

Poniższy kod ilustruje sposób użycia Apply() do transformacji wielu kolumn ramki danych w miejscu:

 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

Przykład 3: Użyj Apply() dla wszystkich kolumn

Poniższy kod pokazuje, jak użyć Apply() do transformacji wszystkich kolumn w ramce danych:

 #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

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe funkcje w pandach:

Jak obliczyć sumę kolumn w Pandach
Jak obliczyć średnią kolumn w Pandach
Jak znaleźć maksymalną wartość kolumn w Pandach