ในบทช่วยสอนนี้ เราจะเรียนรู้เกี่ยวกับวิธีการทั่วไปของ รายการ เช่น ต่อท้าย () และ ขยาย() . มาดูกันทีละตัว
สมัคร()
ใช้เพื่อใช้ฟังก์ชันกับทุกแถวของ DataFrame ตัวอย่างเช่น หากเราต้องการคูณตัวเลขทั้งหมดจากแต่ละจำนวนและเพิ่มเป็นคอลัมน์ใหม่ วิธีการ Apply() ก็มีประโยชน์ เรามาดูวิธีต่างๆ ในการบรรลุเป้าหมายกัน
ตัวอย่าง
# importing the pandas package
import pandas as pd
# function to multiply
def multiply(x, y):
return x * y
# creating a dictionary for DataFrame
data = {
'Maths': [10, 34, 53],
'Programming': [23, 12, 43]
}
# creating DataFrame using the data
data_frame = pd.DataFrame(data)
# displaying DataFrame
print('--------------------Before------------------')
print(data_frame)
print()
# applying the function multiply
data_frame['Multiply'] = data_frame.apply(lambda row : multiply(row['Maths'], row['
Programming']), axis = 1)
# displaying DataFrame
print('--------------------After------------------')
print(data_frame) ผลลัพธ์
หากคุณเรียกใช้โปรแกรมข้างต้น คุณจะได้ผลลัพธ์ดังต่อไปนี้
--------------------Before------------------ Maths Programming 0 10 23 1 34 12 2 53 43 --------------------After------------------ Maths Programming Multiply 0 10 23 230 1 34 12 408 2 53 43 2279
ตัวอย่าง
นอกจากนี้เรายังสามารถใช้ฟังก์ชันที่กำหนดไว้ล่วงหน้า เช่น sum, pow, ฯลฯ..,
# importing the pandas package
import pandas as pd
# creating a dictionary for DataFrame
data = {
'Maths': [10, 34, 53],
'Programming': [23, 12, 43]
}
# creating DataFrame using the data
data_frame = pd.DataFrame(data)
# displaying DataFrame
print('--------------------Before------------------')
print(data_frame)
print()
# applying the function multiply
# using built-in sum function
data_frame['Multiply'] = data_frame.apply(sum, axis = 1)
# displaying DataFrame
print('--------------------After------------------')
print(data_frame) ผลลัพธ์
หากคุณเรียกใช้โปรแกรมข้างต้น คุณจะได้ผลลัพธ์ดังต่อไปนี้
--------------------Before------------------ Maths Programming 0 10 23 1 34 12 2 53 43 --------------------After------------------ Maths Programming Multiply 0 10 23 33 1 34 12 46 2 53 43 96
ตัวอย่าง
เรายังสามารถใช้ฟังก์ชันจากโมดูล numpy ได้อีกด้วย มาดูตัวอย่างกัน
# importing the pandas package
import pandas as pd
# importing numpy module for functions
import numpy as np
# creating a dictionary for DataFrame
data = {
'Maths': [10, 34, 53],
'Programming': [23, 12, 43]
}
# creating DataFrame using the data
data_frame = pd.DataFrame(data)
# displaying DataFrame
print('--------------------Before------------------')
print(data_frame)
print()
# applying the function multiply
# using sum function from the numpy module
data_frame['Multiply'] = data_frame.apply(np.sum, axis = 1)
# displaying DataFrame
print('--------------------After------------------')
print(data_frame) ผลลัพธ์
หากคุณเรียกใช้โปรแกรมข้างต้น คุณจะได้ผลลัพธ์ดังต่อไปนี้
--------------------Before------------------ Maths Programming 0 10 23 1 34 12 2 53 43 --------------------After------------------ Maths Programming Multiply 0 10 23 33 1 34 12 46 2 53 43 96
บทสรุป
ด้วยวิธีข้างต้น เราสามารถใช้ apply() เมธอดของ DataFrame เพื่อใช้ฟังก์ชันสำหรับแถวทั้งหมด หากคุณมีข้อสงสัยเกี่ยวกับบทแนะนำ โปรดระบุในส่วนความคิดเห็น
