Pandat ovat niin yleisiä sovelluksia, että saattaa olla hyödyllisempää luetella asioita, joita he eivät voi saavuttaa, kuin mitä he voivat. Tietosi elävät käytännössä tässä työkalussa. Pandat voivat auttaa sinua oppimaan datasta puhdistamalla, muuntamalla ja analysoimalla sitä. 'Lambda' on vaihtoehtoinen tapa määritellä funktio tavallisella kielellä. Käyttämällä 'lambdaa' voit määrittää funktion suoraan. Se tarkoittaa, että voit käyttää yhtä Python-koodin lausetta funktion käyttämiseen joihinkin tietoihin. Vaikka lauseke voi sisältää useamman kuin yhden parametrin, 'lambda'-funktio on rajoitettu yhteen. Ilmaus arvioidaan ja annetaan tulos. Pythonin Pandas hyödyntää 'lambda'-toimintoa käsitelläkseen erilaisia datatutkimusongelmia. Panda DataFrame -kehyksessä voimme käyttää 'lambda'-funktiota sekä riveille että sarakkeille.
'Lambda' suorittaa ohjelmasi erittäin skaalautuvassa teknologiayrityksessä ja hoitaa kaiken tietokoneen omaisuuden hallinnan. Tämä kattaa päivitysten käyttöönoton, kapasiteetin hallinnan, automaattisen skaalauksen, koodianalyysin ja tallennuksen sekä palvelimen ja toiminnan ylläpidon. Pieni kapasiteetti vain yhdellä nivelellä on Pandas 'Lambda' -toiminto. 'Lambda'-kyvyt voivat toimia myös tilanteissa, joissa niitä ei nimetä. 'Lambda' tarkoittaa funktion avainsanaa. Toteutettavan funktion runko on merkitty toisella x:llä. Avainsanan on oltava 'lambda', ja se on pakollinen, mutta argumentit ja teksti voivat vaihdella olosuhteiden mukaan. Toimintoobjektien palauttaminen on mahdollista lambda-funktioilla.
Lambda-funktion syntaksi:
Esimerkki 1: DataFramen käyttäminen lambda-menetelmän suorittamiseen uudelle sarakkeelle käyttämällä assign()-menetelmää
Pandat käyttävät 'Lambda'-lähestymistapaa erilaisiin tiedonkäsittelyongelmiin. Lyhyt toiminto, 'Lambda'-menetelmää voidaan käyttää myös nimettömänä, mikä tarkoittaa, että se ei tarvitse nimeä. 'Lambda'-menetelmää voidaan käyttää minimaalisten ohjelmien kirjoittamiseen ja yksinkertaisten ongelmien ratkaisemiseen. Kielessä, joka tukee korkealuokkaisia toimintoja, 'lambda'-lausekkeet tai 'lambda'-tekniikat ovat yksinkertaisesti käskypalstoja, jotka voidaan allokoida muuttujille, välittää argumenttina tai noutaa funktiokutsusta. Ne ovat pitkään olleet osa ohjelmointia. Tämän artikkelin ensimmäisestä esimerkistä alkaen koodin suorittamisen perusedellytys on tarvittavien kirjastojen lataaminen. 'Pandas'-kirjasto on se, mitä tarvitsemme. Sen lataamiseksi meidän on luotava rivi 'tuo pandat pd:nä'. Rakennamme nyt tietokehyksemme.
Tässä esimerkissä tietokehystämme kutsutaan nimellä 'opiskelijat'. Tietokehyksemme saa sitten kaksi lisäsaraketta. Ensimmäinen sarake on nimeltään 'Nimet' ja toinen on nimeltään 'Marks'. Kumpikin kahdesta sarakkeesta sisältää joitain arvoja. Meillä on seuraavat arvot ensimmäiselle sarakkeelle 'Alvin', 'Watson', 'Thomas' ja 'Noah' ja arvot toiselle sarakkeelle 'Marks'. Meillä on '400', '360', '430' ja '290'. Nyt se luo DataFrame-kehyksemme käyttämällä 'pd.DataFrame'.
Sitten saavutamme suurimman osan koodistamme, jossa käytämme 'assign()'-menetelmää 'lambdan' kanssa rakentaaksemme uuden yksittäisen sarakkeen. 'Lambda'-funktiota sovelletaan vain yhteen sarakkeeseen 'dataframe.assign()'-menetelmän kautta. Lambda on lisämenetelmä funktioiden kuvaamiseen tavallisella kielellä. Lambdaa käyttämällä voit määrittää funktion suoraan. Se tarkoittaa, että voit käyttää yhtä Python-koodiriviä funktion käyttämiseen tiettyihin tietoihin. Nyt määritämme tietokehykseemme uuden sarakkeen 'Percentage' käyttämällä 'assign()'-menetelmää.
Sarakkeessa 'Mark' käytettiin 'lambda'-menettelyä. Opiskelijoiden prosenttiosuudet lasketaan Lambda-funktiolla ja pidetään sitten uudessa sarakkeessa, joka on 'Prosentti'. Kaava, jota käytämme prosenttiosuuden määrittämiseen käyttämällä 'lambdaa', on 'pisteet tai kokonaispisteet, joka on 500 ja kerrottuna 100:lla', joka tuottaa tarkan prosenttiosuuden opiskelijasta ja näyttää sen tietokehyksen 'prosentti'-sarakkeessa. 'print(dataframe)' näyttää nyt datakehyksen näytöllä.
Voimme nähdä tämän koodin tuloksen. Tietokehys, jossa on kolme saraketta, näkyy tässä kuvassa. Ensimmäisessä sarakkeessa on oppilaan nimi ja toisessa sarakkeessa opiskelijan arvosanat. Käyttämällä “assign()”-menetelmää ja “lambda”-funktiota kolmannen sarakkeen “prosentin” muodostamiseen voimme määrittää opiskelijan prosenttiosuudet ja sitten lisätä ne prosenttiosuudet kolmanteen sarakkeeseen, jonka nimi tietokehyksessä on “prosentti” . Prosenttisarakkeille kaavan avulla saadut arvot olivat '80', '72', '86' ja '58'. Indeksin koko on '4' tässä tietokehyksessä.
Esimerkki 2: Lambda-funktion toteuttaminen assign()-menetelmän käyttämiseksi useissa sarakkeissa
Pandas DataFramen assign()-tekniikan avulla voimme käyttää Lambda-funktiota monissa sarakkeissa. Joka kerta kun tarvitaan uusi toiminto, kuten lambda- tai lajittelutoiminto, voimme vapaasti lisätä sen. Pandas-tietokehyksen sarakkeita ja rivejä voidaan käsitellä sekä lambda-funktiolla. Tässä skenaariossa aloitamme luomalla tietokehyksen. 'Opiskelijatulos' on tietokehyksen nimi. Tässä tietokehyksessä on neljä saraketta. Ensimmäinen sarake meillä on 'Nimet'. Toinen sarake on 'Python'. Kolmannen sarakkeen nimi on 'Data_structure'. Neljännen nimi on 'Calculus'.
Näissä sarakkeissa on lueteltu muutamia arvoja. Sarakkeessa 'Nimet' meillä on luettelo joidenkin oppilaiden nimistä 'Willow', 'Alice', 'Edward' ja 'Amelia'. Pythonin '96', '40', '98' ja '98' merkinnät edustavat toisessa sarakkeessa olevat arvot. Kolmannen sarakkeen arvot ovat '86', '56', '73' ja '90' ja neljännen sarakkeen arvot ovat '90', '33', '88' ja '78'. Käytä nyt 'pd.DataFrame' datakehyksen luomiseen.
Nyt lisäämme uuden sarakkeen tietokehykseemme käyttämällä 'assign'-menetelmää. Uuden sarakkeen otsikko on 'Yhteispisteet'. Uuden sarakkeen nimi on 'Total_marks'. Yleisarvosanan saamiseksi käytimme 'Lambda'-funktiota useissa aihesarakkeissa, mukaan lukien Python, tietorakenne ja laskenta. Tämä toiminto lisää kaikkien kolmen aiheen pisteet ja näyttää ne 'Total_marks' -sarakkeessa. 'print(dataframe)' näyttää lopulta datakehyksen näytöllä.
Tällä kertaa saimme tämän tuloksen. 'Lambda'-toiminto tarjoaa erinomaisen tuloksen, kun sitä käytetään useissa sarakkeissa. Määritämme tietokehykseemme uuden sarakkeen 'Total_marks' käyttämällä 'assign'-menetelmää, jotta voimme näyttää oppilaan kokonaistuloksen kyseisessä sarakkeessa. Lopuksi voimme nähdä, että 'Yhteispisteet' -sarakkeessa näkyy kaikkien kolmen aiheen kokonaistulokset. Kokonaisarvosanasarakkeiden luvut laskettiin lisäämällä arvot kolmesta sarakkeesta käyttämällä lambda-arvoja '272', '129', '259' ja '266'.
Johtopäätös
Python-ohjelmointikielessä lambda-funktio on nimetön, yksirivinen funktio, joka ottaa yhden argumentin ja äärettömän määrän parametreja. He voivat esittää useita argumentteja, mutta vain yksi niistä esitetään. Lambda-työ palauttaa kapasiteettiobjektin, joka voidaan määrittää mille tahansa tekijälle ja joka ei voi sisältää väitteitä. Ensimmäisessä tapauksessa prosenttiosuuden määrittämiseen käytettiin 'lambdaa' ja toisessa esimerkissä laskettiin opiskelijoiden 'kokonaispisteet'. Tässä artikkelissa käsitellään syntaksia, käyttöä ja esimerkkejä tyypillisistä 'lambda'-funktioista.