Panda är så frekventa applikationer att det kan vara mer användbart att räkna upp de saker de inte kan åstadkomma än vad de kan. Dina data finns praktiskt taget i detta verktyg. Pandas kan hjälpa dig att lära dig mer om data genom att rensa, transformera och analysera den. 'Lambda' är ett alternativt sätt att definiera en funktion på vanligt språk. Genom att använda 'lambda' kan du definiera en funktion direkt. Det innebär att du kan använda en enda mening med Python-kod för att tillämpa en funktion på vissa data. Även om ett uttryck kan ta mer än en parameter, är en 'lambda'-funktion begränsad till en. Uttrycket bedöms och ges ett resultat. Pythons Pandas använder 'lambda'-funktionen för att hantera en mängd olika dataforskningsfrågor. I pandas DataFrame kan vi använda 'lambda'-funktionen för både raderna och kolumnerna.
'Lambda' kör ditt program på ett mycket skalbart teknikföretag och hanterar all administration av datortillgångar. Detta omfattar uppdateringsdistribution, kapacitetsförsörjning, automatisk skalning, kodanalys och inspelning samt server- och driftunderhåll. En liten kapacitet med bara en led är Pandas 'Lambda'-funktion. 'Lambda'-förmågor kan också fungera i situationer där de är namnlösa. 'Lambda' står för funktionens nyckelord. Huvuddelen av funktionen som behöver implementeras indikeras av det andra x. Nyckelordet måste vara 'lambda' och är obligatoriskt, men argumenten och innehållet kan skilja sig åt beroende på omständigheterna. Att returnera funktionsobjekt är möjligt med lambda-funktioner.
Syntaxen för lambdafunktionen:
Exempel 1: Använda en DataFrame för att exekvera en Lambda-metod till en ny kolumn genom att använda metoden assign()
'Lambda'-metoden används av Pandas för att hantera olika informationsbehandlingsfrågor. En kort funktion, 'Lambda'-metoden kan också användas anonymt, vilket betyder att den inte behöver ett namn. 'Lambda'-metoden kan användas för att skriva minimala program och lösa enkla problem. I språk som stöder funktioner av hög ordning är 'lambda'-uttryck eller 'lambda'-tekniker helt enkelt bitar av instruktioner som kan allokeras till variabler, skickas som ett argument eller hämtas från ett funktionsanrop. De har länge varit en del av programmering. Från och med den här artikelns första exempel är det grundläggande villkoret för exekvering av koden att de nödvändiga biblioteken laddas. 'Pandas'-biblioteket är det som vi behöver. För att ladda den måste vi skapa raden 'importera pandor som pd.' Vi kommer nu att konstruera vår dataram.
I det här exemplet kallas vår dataram för 'studenter'. Vår dataram får då ytterligare två kolumner. Den första kolumnen heter 'Namn' och den andra heter 'Marks'. Var och en av de två kolumnerna innehåller några värden. Vi har följande värden för den första kolumnen 'Alvin', 'Watson', 'Thomas' och 'Noah' och värdena för den andra kolumnen 'Marks.' Vi har '400', '360', '430' och '290.' Nu kommer den att generera vår DataFrame genom att använda 'pd.DataFrame'.
Sedan når vi huvuddelen av vår kod, där vi använder metoden “assign()” med “lambda” för att bygga en ny enstaka kolumn. Funktionen 'Lambda' tillämpas på bara en kolumn genom metoden 'dataframe.assign()'. Lambda är en ytterligare metod för att beskriva funktioner på vanligt språk. Med hjälp av lambda kan du definiera en funktion direkt. Det innebär att du kan använda en enda rad med Python-kod för att tillämpa en funktion på vissa data. Nu tilldelar vi en ny kolumn 'Procentandel' i vår dataram genom att använda metoden 'tilldela()'.
En 'lambda'-procedur användes på kolumnen 'Mark'. Procentandelen av eleverna beräknas med hjälp av Lambda-funktionen och hålls sedan i en ny kolumn, som är 'Procentandel.' Formeln vi använder för att bestämma procentandelen genom att använda 'lambda' är 'betyg eller totalt antal poäng, vilket är 500 och multiplicerat med 100', vilket kommer att producera den exakta procentandelen av studenten och visa den i dataramens 'procentsats' kolumn. 'print(dataframe)' kommer nu att visa dataramen på skärmen.
Vi kan se resultatet av den här koden. Dataramen med tre kolumner visas i den här bilden. Den första kolumnen innehåller elevens namn och den andra kolumnen har elevens betyg. Genom att använda “assign()”-metoden och “lambda”-funktionen för att konstruera den tredje kolumns “procent”' kan vi bestämma studentens procentsatser och sedan lägga till dessa procentsatser till den tredje kolumnen, som heter “procent” i dataramen . Värdena som erhölls för procentkolumnerna genom att använda formeln var '80', '72', '86' och '58'. Storleken på indexet är '4' i denna dataram.
Exempel 2: Implementera en lambdafunktion för att använda metoden assign() i flera kolumner
Pandas DataFrames assign()-teknik tillåter oss att använda Lambda-funktionen på många kolumner. Varje gång en ny funktion krävs, till exempel en lambdafunktion eller en sorteringsfunktion, är vi fria att lägga till den. Pandas datarams kolumner och rader kan båda behandlas med en lambdafunktion. I det här scenariot börjar vi med att generera en dataram. 'Student resultat' är namnet på dataramen. Vi har fyra kolumner i denna dataram. Den första kolumnen vi har är 'Namn'. Den andra kolumnen är 'Python'. Namnet på den tredje kolumnen är 'Data_structure'. Namnet på den fjärde är 'Calculus'.
I dessa kolumner har vi listat några värden. För kolumnen 'Namn' har vi listan med några elevers namn 'Willow', 'Alice', 'Edward' och 'Amelia'. Markeringarna för pytonen '96', '40', '98' och '98' representeras av värdena i den andra kolumnen. Värdena i den tredje kolumnen är '86', '56', '73' och '90' och för den fjärde kolumnen har vi '90', '33', '88' och '78'. Använd nu 'pd.DataFrame' för att generera dataramen.
Nu lägger vi till en ny kolumn i vår dataram genom att använda metoden 'tilldela'. Den nya kolumnen heter 'Totalt antal poäng'. Namnet på den nya kolumnen är 'Total_marks'. För att få de övergripande betygen använde vi en 'Lambda'-funktion på flera ämneskolumner, inklusive Python, datastruktur och kalkyl. Den här funktionen lägger till poängen från alla tre ämnen och visar dem i kolumnen 'Total_marks'. 'print(dataframe)' kommer slutligen att visa dataramen på skärmen.
Den här gången fick vi det här resultatet. 'Lambda'-funktionen ger ett utmärkt resultat när den används i flera kolumner. Vi tilldelar en ny kolumn 'Total_marks' till vår dataram med metoden 'assign' så att vi kan visa elevens totala resultat i den kolumnen. Slutligen kan vi se att kolumnen 'Totala poäng' visar de totala resultaten för alla tre ämnen. Siffrorna för kolumnerna för totalt antal poäng beräknades genom att lägga till värdena från tre kolumner med lambda '272', '129', '259' och '266'.
Slutsats
I programmeringsspråket Python är en lambda-funktion en namnlös enradsfunktion som tar ett argument och ett oändligt antal parametrar. De kan komma med flera argument, men bara ett av dem kommer att uttryckas. Ett lambdaverk återställer ett kapacitetsobjekt som kan tilldelas vilken faktor som helst och som inte kan innehålla några påståenden. I det första fallet användes ”lambda” för att bestämma procenttalet och i det andra exemplet beräknades ”totalbetyg” för eleverna. Syntax, användning och exempel på typiska 'lambda'-funktioner behandlas i den här artikeln.