บางครั้งอาจจำเป็นต้องใช้ฟังก์ชันบางอย่างกับองค์ประกอบของดาต้าเฟรม ฟังก์ชันทั้งหมดไม่สามารถกำหนดเวกเตอร์ได้ นี่คือที่มาของฟังก์ชัน 'applymap'
สิ่งนี้ใช้ค่าเดียวเป็นอินพุตและส่งกลับค่าเดียวเป็นเอาต์พุต
ตัวอย่าง
import pandas as pd
import numpy as np
my_df = pd.DataFrame(np.random.randn(5,5),columns=['col_1','col_2','col_3', 'col_4', 'col_5'])
print("The dataframe generated is ")
print(my_df)
my_df.applymap(lambda x:x*11.45)
print("Using the applymap function")
print(my_df.apply(np.mean)) ผลลัพธ์
The dataframe generated is col_1 col_2 col_3 col_4 col_5 0 -0.671510 -0.860741 0.886484 0.842158 2.182341 1 -1.355763 0.247240 -0.653630 -0.278095 0.163044 2 -0.816203 1.664006 1.555648 1.625890 -0.412338 3 -1.013273 -1.565076 1.297014 -0.303504 -1.623573 4 0.725949 -0.077588 -0.886957 0.433478 -0.300151 Using the applymap function col_1 -0.626160 col_2 -0.118432 col_3 0.439712 col_4 0.463985 col_5 0.001865 dtype: float64
คำอธิบาย
-
ไลบรารีที่จำเป็นจะถูกนำเข้าและให้ชื่อแทนเพื่อความสะดวกในการใช้งาน
-
Dataframe ถูกสร้างขึ้นโดยใช้ฟังก์ชัน 'สุ่ม' และสร้างข้อมูลที่มี 5 แถวและ 5 คอลัมน์
-
ชื่อของคอลัมน์ยังถูกกำหนดในรายการในขณะที่กำหนดค่าดาต้าเฟรมด้วย
-
พิมพ์ดาต้าเฟรมบนคอนโซล
-
ฟังก์ชัน 'applymap' ถูกนำไปใช้กับองค์ประกอบของ dataframe
-
คำจำกัดความของฟังก์ชันคือฟังก์ชันแลมบ์ดาที่เขียนอยู่ภายในฟังก์ชัน 'applymap'
-
ข้อมูลถูกพิมพ์บนคอนโซล
