팬더는 너무 자주 사용되기 때문에 할 수 있는 것보다 할 수 없는 것을 열거하는 것이 더 유용할 수 있습니다. 귀하의 데이터는 실제로 이 도구에 있습니다. Pandas는 데이터를 정리, 변환 및 분석하여 데이터에 대해 학습하는 데 도움이 될 수 있습니다. 'Lambda'는 일반 언어로 함수를 정의하는 대체 방법입니다. 'lambda'를 활용하여 함수를 직접 정의할 수 있습니다. 이는 Python 코드의 단일 문장을 사용하여 일부 데이터에 함수를 적용할 수 있음을 의미합니다. 표현식은 둘 이상의 매개변수를 가질 수 있지만 '람다' 함수는 하나로 제한됩니다. 표현이 평가되고 결과가 주어집니다. Python의 Pandas는 '람다' 기능을 활용하여 다양한 데이터 연구 문제를 해결합니다. pandas DataFrame에서 행과 열 모두에 '람다' 함수를 사용할 수 있습니다.
'Lambda'는 확장성이 뛰어난 기술 회사에서 프로그램을 실행하고 모든 컴퓨터 자산 관리를 관리합니다. 여기에는 업데이트 배포, 용량 프로비저닝, 자동 확장, 코드 분석 및 기록, 서버 및 운영 유지 관리가 포함됩니다. 관절이 하나뿐인 작은 용량은 Pandas 'Lambda' 기능입니다. 'Lambda' 능력은 이름이 지정되지 않은 상황에서도 동일하게 작동할 수 있습니다. '람다'는 함수의 키워드를 나타냅니다. 구현해야 하는 함수의 본문은 두 번째 x로 표시됩니다. 키워드는 반드시 'lambda'여야 하며 필수사항이나 상황에 따라 인수와 본문이 다를 수 있습니다. 함수 객체를 반환하는 것은 람다 함수로 가능합니다.
람다 함수의 구문:
예제 1: DataFrame을 사용하여 assign() 메서드를 적용하여 새 열에 Lambda 메서드 실행
'Lambda' 접근 방식은 Pandas가 다양한 정보 처리 문제를 해결하는 데 사용합니다. 간단한 기능인 'Lambda' 메서드는 익명으로도 사용할 수 있으므로 이름이 필요하지 않습니다. '람다' 방법은 최소한의 프로그램을 작성하고 간단한 문제를 해결하는 데 사용할 수 있습니다. 고차 함수를 지원하는 언어에서 '람다' 표현식 또는 '람다' 기술은 단순히 변수에 할당하거나 인수로 전달하거나 함수 호출에서 검색할 수 있는 명령어 덩어리입니다. 그들은 오랫동안 프로그래밍의 구성 요소였습니다. 이 기사의 첫 번째 예시부터 코드 실행의 기본 조건은 필요한 라이브러리를 로드하는 것입니다. 'Pandas' 라이브러리는 우리가 필요로 하는 것입니다. 로드하려면 'pandas를 pd로 가져오기' 라인을 만들어야 합니다. 이제 데이터 프레임을 구성합니다.
이 예에서 데이터 프레임을 '학생'이라고 합니다. 그런 다음 데이터 프레임은 두 개의 추가 열을 얻습니다. 첫 번째 열의 이름은 '이름'이고 두 번째 열의 이름은 '마크'입니다. 두 열 각각에는 일부 값이 포함되어 있습니다. 첫 번째 열 'Alvin', 'Watson', 'Thomas' 및 'Noah'에 대해 다음 값이 있고 두 번째 열 'Marks'에 대한 값이 있습니다. '400', '360', '430' 및 '290'이 있습니다. 이제 'pd.DataFrame'을 사용하여 DataFrame을 생성합니다.
그런 다음 'lambda'와 함께 'assign()' 메서드를 사용하여 새로운 단일 열을 만드는 코드의 대부분에 도달합니다. 'Lambda' 함수는 'dataframe.assign()' 메서드를 통해 하나의 열에만 적용됩니다. Lambda는 일반 언어로 기능을 설명하는 추가 방법입니다. 람다를 사용하여 함수를 직접 정의할 수 있습니다. 이는 한 줄의 Python 코드를 사용하여 특정 데이터에 함수를 적용할 수 있음을 의미합니다. 이제 'assign()' 메서드를 사용하여 데이터 프레임에 새 열 '백분율'을 할당합니다.
'Mark' 열에는 '람다' 절차가 사용되었습니다. 학생의 백분율은 Lambda 함수를 사용하여 계산된 다음 '백분율'이라는 새 열에 보관됩니다. '람다'를 사용하여 백분율을 결정하는 데 사용하는 공식은 '500이고 100을 곱한 점수 또는 총 점수'이며, 이는 학생의 정확한 백분율을 생성하고 데이터 프레임의 '백분율' 열에 표시합니다. 'print(dataframe)'는 이제 화면에 데이터 프레임을 표시합니다.
이 코드의 결과를 볼 수 있습니다. 세 개의 열이 있는 데이터 프레임이 이 이미지에 나타납니다. 첫 번째 열에는 학생의 이름이 있고 두 번째 열에는 학생의 성적이 있습니다. 'assign()' 메서드와 'lambda' 함수를 사용하여 세 번째 열의 '백분율''을 구성함으로써 학생의 백분율을 결정한 다음 해당 백분율을 데이터 프레임의 '백분율'이라는 세 번째 열에 추가할 수 있습니다. . 수식을 사용하여 백분율 열에 대해 얻은 값은 '80', '72', '86' 및 '58'이었습니다. 이 데이터 프레임에서 인덱스의 크기는 '4'입니다.
예 2: 여러 열에서 assign() 메서드를 사용하도록 Lambda 함수 구현
Pandas DataFrame의 assign() 기술을 사용하면 많은 열에서 Lambda 함수를 사용할 수 있습니다. 람다 함수나 정렬 함수와 같은 새로운 함수가 필요할 때마다 자유롭게 추가할 수 있습니다. Pandas 데이터 프레임의 열과 행은 모두 람다 함수로 처리할 수 있습니다. 이 시나리오에서는 데이터 프레임을 생성하는 것으로 시작합니다. '학생 결과'는 데이터 프레임의 이름입니다. 이 데이터 프레임에는 4개의 열이 있습니다. 첫 번째 열은 '이름'입니다. 두 번째 열은 '파이썬'입니다. 세 번째 열의 이름은 'Data_structure'입니다. 네 번째 이름은 '미적분학'입니다.
이 열에는 몇 가지 값이 나열되어 있습니다. '이름' 열에는 'Willow', 'Alice', 'Edward' 및 'Amelia' 학생의 이름 목록이 있습니다. 파이썬 '96', '40', '98' 및 '98'의 표시는 두 번째 열에 있는 값으로 표시됩니다. 세 번째 열의 값은 '86', '56', '73' 및 '90'이고 네 번째 열에는 '90', '33', '88' 및 '78'이 있습니다. 이제 'pd.DataFrame'을 사용하여 데이터 프레임을 생성합니다.
이제 '할당' 방법을 사용하여 데이터 프레임에 새 열을 추가합니다. 새 열의 제목은 '총 점수'입니다. 새 열의 이름은 'Total_marks'입니다. 전체 점수를 얻기 위해 Python, 데이터 구조, 미적분학을 비롯한 여러 주제 열에 'Lambda' 함수를 사용했습니다. 이 기능은 세 과목 모두의 점수를 추가하고 'Total_marks' 열에 표시합니다. 'print(dataframe)'는 마지막으로 화면에 데이터 프레임을 표시합니다.
이번에 이 결과를 얻었습니다. 'Lambda' 함수는 여러 열에서 사용할 때 탁월한 결과를 제공합니다. 'assign' 메서드를 사용하여 데이터 프레임에 'Total_marks' 새 열을 할당하여 해당 열에 학생의 총 결과를 표시할 수 있습니다. 마지막으로 '총점' 열에 세 과목 모두에 대한 총 결과가 표시되는 것을 볼 수 있습니다. 총 점수 열의 숫자는 람다 '272', '129', '259', '266'을 사용하여 세 열의 값을 더하여 계산되었습니다.
결론
Python 프로그래밍 언어에서 람다 함수는 하나의 인수와 무한한 수의 매개변수를 취하는 이름 없는 한 줄 함수입니다. 그들은 여러 주장을 할 수 있지만 그 중 하나만 표현됩니다. 람다 작업은 모든 요소에 할당될 수 있고 주장을 포함할 수 없는 용량 개체를 복원합니다. 첫 번째 경우에는 '람다'를 사용하여 백분율을 결정하고 두 번째 경우에는 학생의 '총점'을 계산했습니다. 이 기사에서는 일반적인 '람다' 함수의 구문, 활용 및 예를 다룹니다.