将 Lambda 函数应用于 Pandas DataFrame

什么是 DataFrame？

如果数据以行和列或二维数据的形式存储，那么在 Pandas 中通常称为 DataFrame。在 Pandas 中，我们可以借助 lambda 函数将任何函数应用于任何行或列。

语法

示例 1

使用 DataFrame.assign()，我们可以将 lambda 函数应用于任何单个列。

输出

说明

在上面的代码中，我们有一个 DataFrame，其中有六行两列，一列代表学生姓名，另一列代表所获分数。使用 assign() 函数，我们添加了一个名为“percentage”的新列，该列的值使用 lambda 函数定义。我们通过将分数除以 500 并乘以 100 来插入百分比。我们只将 lambda 函数应用于“所获分数”这一列。

示例 2

将 lambda 函数应用于多个列

输出

说明

在上面的代码中，我们有三列代表一些值。使用 assign() 函数，我们添加了一个新列，该列的值是使用 lambda 函数通过将所有三列的值相乘来计算的。

因此，我们可以一次使用 lambda 函数来处理多个列。

Example3

既然我们已经将 lambda 函数应用于列，我们也可以将其应用于行。使用 apply() 函数，我们可以将 lambda 函数应用于单行。

输出

说明

在上面的代码中，我们有一个包含六行的 DataFrame。我们为每一行分配了索引名称。使用 lambda 函数，我们对索引值为“e”的值进行平方。因此，如果我们运行代码，第五列的值将被平方。

示例 4

既然我们已经将 lambda 函数应用于单行，我们也可以一次将其应用于多行。我们将使用该函数来实现 lambda 函数。

输出

说明

在上面的代码中，我们使用 DataFrame.apply() 函数将 lambda 函数应用于多行。我们对索引值为“a”、“e”和“g”的行的值进行了平方。因此，在输出中，我们得到了这三行的平方值。

示例 5

到目前为止，我们已经将 lambda 函数应用于行或列。但是，我们也可以使用 apply() 和 assign() 函数同时将 lambda 函数应用于行和列。

输出

说明

在上面的代码中，我们在单个 DataFrame 上应用了行和列的 lambda 函数。在代码中，首先，我们使用 apply() 函数将 lambda 函数应用于行，这将对某些行的值进行平方。然后，我们使用 assign() 函数将 lambda 函数应用于三列，这将添加一个名为“sum”的新列，其中包含所有列的总和。

所以，首先，值将被平方，然后它们将被添加到第四列。