Pandas.apply permite a los usuarios pasar una función y aplicarla en cada valor de la serie Pandas. Se trata de una gran mejora para la biblioteca de pandas, ya que esta función ayuda a segregar los datos de acuerdo con las condiciones requeridas, por lo que se utilizan de manera eficiente en ciencia de datos y aprendizaje automático.
quien hizo la escuela
Instalación:
Importe el módulo Pandas al archivo Python usando los siguientes comandos en la terminal:
pip install pandas>
Para leer el archivo csv y comprimirlo en una serie de pandas, se utilizan los siguientes comandos:
import pandas as pd s = pd.read_csv('stock.csv', squeeze=True)> Sintaxis:
s.apply(func, convert_dtype=True, args=())>
Parámetros:
función: .apply toma una función y la aplica a todos los valores de la serie pandas. convert_dtype: Convierta dtype según la operación de la función. argumentos=(): Argumentos adicionales para pasar a función en lugar de serie. Tipo de devolución: Serie Pandas después de la función/operación aplicada.
Ejemplo 1:
El siguiente ejemplo pasa una función y verifica el valor de cada elemento en serie y devuelve bajo, normal o alto en consecuencia.
PYTHON3
import> pandas as pd> # reading csv> s>=> pd.read_csv('stock.csv', squeeze>=> True>)> # defining function to check price> def> fun(num):> >if> num<>200>:> >return> 'Low'> >elif> num>>=> 200> and> num<>400>:> >return> 'Normal'> >else>:> >return> 'High'> # passing function to apply and storing returned series in new> new>=> s.>apply>(fun)> # printing first 3 element> print>(new.head(>3>))> # printing elements somewhere near the middle of series> print>(new[>1400>], new[>1500>], new[>1600>])> # printing last 3 elements> print>(new.tail(>3>))> |
>
>
1 de 1000.00
Producción:
Ejemplo #2:
En el siguiente ejemplo, se crea una función anónima temporal en .apply usando lambda. Agrega 5 a cada valor de la serie y devuelve una nueva serie.
PYTHON3
import> pandas as pd> s>=> pd.read_csv('stock.csv', squeeze>=> True>)> # adding 5 to each value> new>=> s.>apply>(>lambda> num : num>+> 5>)> # printing first 5 elements of old and new series> print>(s.head(),>'
'>, new.head())> # printing last 5 elements of old and new series> print>(>'
'>, s.tail(),>'
'>, new.tail())> |
>
k vecino más cercano
>
Producción:
0 50.12 1 54.10 2 54.65 3 52.38 4 52.95 Name: Stock Price, dtype: float64 0 55.12 1 59.10 2 59.65 3 57.38 4 57.95 Name: Stock Price, dtype: float64 3007 772.88 3008 771.07 3009 773.18 3010 771.61 3011 782.22 Name: Stock Price, dtype: float64 3007 777.88 3008 776.07 3009 778.18 3010 776.61 3011 787.22 Name: Stock Price, dtype: float64>
Como se observa, nuevos valores = valores antiguos + 5