Pandas são aplicativos tão frequentes que pode ser mais útil enumerar as coisas que eles não podem realizar em vez das coisas que eles podem. Seus dados praticamente vivem nesta ferramenta. O Pandas pode ajudá-lo a aprender sobre dados limpando-os, transformando-os e analisando-os. “Lambda” é uma maneira alternativa de definir uma função em linguagem comum. Utilizando “lambda”, você pode definir uma função diretamente. Isso implica que você pode usar uma única frase do código Python para aplicar uma função a alguns dados. Enquanto uma expressão pode ter mais de um parâmetro, uma função “lambda” é limitada a um. A expressão é avaliada e recebe um resultado. O Python's Pandas utiliza a função “lambda” para abordar uma variedade de problemas de pesquisa de dados. No DataFrame do pandas, podemos usar a função “lambda” tanto para as linhas quanto para as colunas.
“Lambda” executa seu programa em uma empresa de tecnologia altamente escalável e gerencia toda a administração de ativos de computador. Isso abrange implantação de atualização, provisionamento de capacidade, dimensionamento automático, análise e gravação de código e manutenção de servidor e operacional. Uma pequena capacidade com apenas uma junta é a função Pandas “Lambda”. As habilidades “Lambda” podem funcionar igualmente em situações em que não são nomeadas. 'Lambda' significa a palavra-chave da função. O corpo da função que precisa ser implementada é indicado pelo segundo x. A palavra-chave deve ser “lambda” e é obrigatória, mas os argumentos e o corpo podem diferir de acordo com as circunstâncias. O retorno de objetos de função é possível com funções lambda.
A sintaxe para a função lambda:
Exemplo 1: usando um DataFrame para executar um método Lambda em uma nova coluna aplicando o método assign()
A abordagem “Lambda” é usada pela Pandas para lidar com diversos problemas de processamento de informações. Uma função breve, o método “Lambda” também pode ser usado anonimamente, o que significa que não precisa de um nome. O método “lambda” pode ser usado para escrever programas mínimos e resolver problemas simples. Em linguagens que oferecem suporte a funções de alta ordem, expressões 'lambda' ou técnicas 'lambda' são simplesmente blocos de instruções que podem ser alocados a variáveis, passados como um argumento ou recuperados de uma chamada de função. Eles têm sido um componente de programação. Começando com o primeiro exemplo deste artigo, a condição básica para a execução do código é o carregamento das bibliotecas necessárias. A biblioteca “Pandas” é o que precisamos. Para carregá-lo, devemos criar a linha “import pandas as pd”. Agora vamos construir nosso data frame.
Neste exemplo, nosso quadro de dados é denominado 'alunos'. Nosso quadro de dados recebe duas colunas adicionais. A primeira coluna é denominada “Nomes” e a segunda é denominada “Marcas”. Cada uma das duas colunas contém alguns valores. Temos os seguintes valores para a primeira coluna “Alvin”, “Watson”, “Thomas” e “Noah” e os valores para a segunda coluna “Marks”. Temos “400”, “360”, “430” e “290”. Agora, ele irá gerar nosso DataFrame usando “pd.DataFrame”.
Então chegamos à maior parte do nosso código, onde usamos o método “assign()” com “lambda” para construir uma nova coluna única. A função “Lambda” é aplicada a apenas uma coluna através do método “dataframe.assign()”. Lambda é um método adicional de descrição de funções em linguagem comum. Usando lambda, você pode definir uma função diretamente. Isso implica que você pode usar uma única linha de código Python para aplicar uma função a determinados dados. Agora atribuímos uma nova coluna “Percentage” em nosso dataframe usando o método “assign()”.
Um procedimento “lambda” foi utilizado na coluna “Mark”. As porcentagens dos alunos são calculadas utilizando a função Lambda e são mantidas em uma nova coluna, que é “Porcentagem”. A fórmula que usamos para determinar a porcentagem usando “lambda” é “marcas ou notas totais, que é 500 e multiplicado por 100”, que produzirá a porcentagem exata do aluno e a exibirá na coluna “porcentagem” do dataframe. “print(dataframe)” agora exibirá o dataframe na tela.
Podemos visualizar o resultado deste código. O dataframe com três colunas aparece nesta imagem. A primeira coluna contém o nome do aluno e a segunda coluna tem as notas do aluno. Ao utilizar o método “assign()” e a função “lambda” para construir a “porcentagem” da terceira coluna, podemos determinar as porcentagens do aluno e, em seguida, adicionar essas porcentagens à terceira coluna, denominada “porcentagem” no quadro de dados . Os valores obtidos para as colunas de porcentagem pela fórmula foram “80”, “72”, “86” e “58”. O tamanho do índice é “4” neste dataframe.
Exemplo 2: implementando uma função do Lambda para usar o método assign() em várias colunas
A técnica assign() do Pandas DataFrame nos permite usar a função Lambda em muitas colunas. Sempre que uma nova função é necessária, como uma função lambda ou uma função de classificação, somos livres para adicioná-la. As colunas e linhas do quadro de dados do Pandas podem ser tratadas com uma função lambda. Nesse cenário, começamos gerando um dataframe. “Resultado do aluno” é o nome do dataframe. Temos quatro colunas neste dataframe. A primeira coluna que temos é “Nomes”. A segunda coluna é “Python”. O nome da terceira coluna é “Data_structure”. O nome para o quarto é “Cálculo”.
Nessas colunas, listamos alguns valores. Para a coluna “Nomes”, temos a lista de nomes de alguns alunos “Willow”, “Alice”, “Edward” e “Amelia”. As marcações do python “96”, “40”, “98” e “98” são representadas pelos valores mantidos na segunda coluna. Os valores da terceira coluna são “86”, “56”, “73” e “90” e para a quarta coluna temos “90”, “33”, “88” e “78”. Agora use “pd.DataFrame” para gerar o dataframe.
Agora, adicionamos uma nova coluna ao nosso quadro de dados utilizando o método “assign”. A nova coluna é intitulada “Total de notas”. O nome da nova coluna é “Total_marks”. Para obter as notas gerais, usamos uma função 'Lambda' em várias colunas de assunto, incluindo Python, estrutura de dados e cálculo. Esta função adicionará as pontuações de todas as três disciplinas e as exibirá na coluna “Total_marks”. “print(dataframe)” finalmente exibirá o dataframe na tela.
Desta vez, obtivemos este resultado. A função 'Lambda' fornecerá um excelente resultado quando usada em várias colunas. Atribuímos uma nova coluna 'Total_marks' ao nosso dataframe usando o método 'assign' para que possamos exibir o resultado total do aluno nessa coluna. Por fim, podemos ver que a coluna “Total de notas” exibe os resultados totais para todos os três assuntos. Os números das colunas das notas totais foram calculados adicionando os valores de três colunas usando o lambda '272', '129', '259' e '266'.
Conclusão
Na linguagem de programação Python, uma função lambda é uma função de uma linha sem nome que recebe um argumento e um número infinito de parâmetros. Eles podem apresentar vários argumentos, mas apenas um deles será expresso. Um trabalho lambda restaura um objeto de capacidade que pode ser atribuído a qualquer fator e não pode conter nenhuma asserção. No primeiro caso, utilizou-se “lambda” para determinar a porcentagem e, no segundo exemplo, foram calculadas “notas totais” para os alunos. A sintaxe, a utilização e os exemplos de funções “lambda” típicas são abordados neste artigo.