<\/p>\n
Voc\u00ea pode usar a seguinte sintaxe b\u00e1sica para aplicar uma fun\u00e7\u00e3o lambda a um DataFrame do pandas:<\/span><\/p>\n Os exemplos a seguir mostram como usar essa sintaxe na pr\u00e1tica com o seguinte DataFrame do pandas:<\/span><\/p>\n O c\u00f3digo a seguir mostra como usar apply<\/strong> e lambda<\/strong> para criar uma nova coluna cujos valores dependem dos valores de uma coluna existente:<\/span><\/p>\n Neste exemplo, criamos uma nova coluna chamada status<\/strong> que assumiu os seguintes valores:<\/span><\/p>\n O c\u00f3digo a seguir mostra como usar apply<\/strong> e lambda<\/strong> para modificar uma coluna existente no DataFrame:<\/span><\/p>\n Neste exemplo, modificamos os valores da coluna de pontos<\/strong> existente usando a seguinte regra na fun\u00e7\u00e3o lambda:<\/span><\/p>\n Usando esta fun\u00e7\u00e3o lambda, conseguimos modificar os valores da coluna de pontos<\/strong> existente.<\/span><\/p>\n Os tutoriais a seguir explicam como executar outras fun\u00e7\u00f5es comuns em pandas:<\/span><\/p>\n Como aplicar uma fun\u00e7\u00e3o ao Pandas Groupby<\/a> Voc\u00ea pode usar a seguinte sintaxe b\u00e1sica para aplicar uma fun\u00e7\u00e3o lambda a um DataFrame do pandas: df[‘ col ‘] = df[‘ col ‘]. apply ( lambda x: ‘ value1 ‘ if x < 20 else ‘ value2 ‘) Os exemplos a seguir mostram como usar essa sintaxe na pr\u00e1tica com o seguinte DataFrame do […]<\/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-3273","post","type-post","status-publish","format-standard","hentry","category-guia"],"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 Exemplo 1: use Apply e Lambda para criar uma nova coluna<\/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
Exemplo 2: use Apply e Lambda para modificar uma coluna existente<\/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
Recursos adicionais<\/strong><\/span><\/h2>\n
Como preencher NaN com valores de outra coluna no Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"