פנדה למדה

Pndh Lmdh



פנדות הן יישומים כל כך תכופים, שאולי יהיה שימושי יותר למנות את הדברים שהם לא יכולים להשיג מאשר את הדברים שהם יכולים. הנתונים שלך חיים כמעט בכלי הזה. Pandas יכול לעזור לך ללמוד על נתונים על ידי ניקוי, שינוי וניתוח שלהם. 'למבדה' היא דרך חלופית להגדיר פונקציה בשפה רגילה. באמצעות 'למבדה', אתה יכול להגדיר פונקציה ישירות. זה מרמז שאתה יכול להשתמש במשפט בודד של קוד Python כדי להחיל פונקציה על נתונים מסוימים. בעוד שביטוי יכול לקחת יותר מפרמטר אחד, פונקציית 'למבדה' מוגבלת לפרמטר אחד. הביטוי מוערך ומקבל תוצאה. ה-Pandas של Python משתמש בפונקציית 'lambda' כדי לטפל במגוון בעיות מחקר נתונים. ב-Pandas DataFrame, אנו יכולים להשתמש בפונקציית 'lambda' הן עבור השורות והן עבור העמודות.

'למבדה' מבצעת את התוכנית שלך בחברת טכנולוגיה בעלת יכולת הרחבה גבוהה ומנהלת את כל ניהול נכסי המחשב. זה מכסה פריסת עדכונים, הקצאת קיבולת, קנה מידה אוטומטי, ניתוח והקלטת קוד, ותחזוקת שרת ותפעול. קיבולת קטנה עם מפרק אחד בלבד היא פונקציית 'למבדה' של הפנדות. יכולות 'למבדה' יכולות לתפקד באותה מידה במצבים שבהם אין להם שם. 'Lambda' מייצג את מילת המפתח של הפונקציה. גוף הפונקציה שצריך ליישם מסומן ב-x השני. מילת המפתח חייבת להיות 'למבדה' והיא נדרשת, אך הטיעונים והגוף עשויים להיות שונים בהתאם לנסיבות. החזרת אובייקטי פונקציה אפשרית עם פונקציות למבדה.







התחביר לפונקציית הלמבדה:



דוגמה 1: שימוש ב-DataFrame לביצוע שיטת Lambda בעמודה חדשה על ידי יישום השיטה assign()

גישת 'למבדה' משמשת את פנדה כדי להתמודד עם בעיות עיבוד מידע מגוונות. פונקציה קצרה, שיטת 'למבדה' יכולה לשמש גם באופן אנונימי, מה שאומר שהיא לא צריכה שם. ניתן להשתמש בשיטת 'למבדה' כדי לכתוב תוכניות מינימליות ולפתור בעיות פשוטות. בשפות התומכות בפונקציות מסדר גבוה, ביטויי 'למבדה' או טכניקות 'למבדה' הן פשוט נתחי הוראות שניתן להקצות למשתנים, להעביר כארגומנט או לאחזר מקריאה לפונקציה. הם כבר מזמן מרכיב בתכנות. החל מהדוגמה הראשונה של המאמר הזה, התנאי הבסיסי לביצוע הקוד הוא טעינת הספריות הדרושות. ספריית 'פנדות' היא זו שאנו דורשים. כדי לטעון אותו, עלינו ליצור את השורה 'יבוא פנדות כ-pd.' כעת נבנה את מסגרת הנתונים שלנו.



בדוגמה זו, מסגרת הנתונים שלנו נקראת 'סטודנטים'. מסגרת הנתונים שלנו מקבלת אז שתי עמודות נוספות. העמודה הראשונה נקראת 'שמות' והשנייה נקראת 'סימנים'. כל אחת משתי העמודות מכילה כמה ערכים. יש לנו את הערכים הבאים עבור העמודה הראשונה 'אלווין', 'ווטסון', 'תומס' ו'נוח' ואת הערכים עבור העמודה השנייה 'סימנים'. יש לנו '400', '360', '430' ו-'290.' כעת, הוא יפיק את ה-DataFrame שלנו באמצעות 'pd.DataFrame'.





לאחר מכן אנו מגיעים לחלק הארי של הקוד שלנו, שבו אנו משתמשים בשיטת 'assign()' עם 'lambda' כדי לבנות עמודה יחידה חדשה. הפונקציה 'Lambda' מוחלת על עמודה אחת בלבד באמצעות שיטת 'dataframe.assign()'. למדה היא שיטה נוספת לתיאור פונקציות בשפה רגילה. באמצעות lambda, אתה יכול להגדיר פונקציה ישירות. זה מרמז שאתה יכול להשתמש בשורה אחת של קוד Python כדי להחיל פונקציה על נתונים מסוימים. כעת אנו מקצים עמודה חדשה 'אחוז' במסגרת הנתונים שלנו באמצעות שיטת ה-'assign()'.

נעשה שימוש בנוהל 'למבדה' בעמודה 'סימן'. אחוזי התלמידים מחושבים תוך שימוש בפונקציית Lambda ולאחר מכן נשמרים בעמודה חדשה, שהיא 'אחוז'. הנוסחה בה אנו משתמשים כדי לקבוע את האחוז באמצעות 'למבדה' היא 'סימנים או סך ציונים, שהם 500 ומכפילים ב-100', מה שיפיק את האחוז המדויק של התלמיד ויציג אותו בעמודת ה'אחוז' של מסגרת הנתונים. 'print(dataframe)' יציג כעת את מסגרת הנתונים על המסך.



אנחנו יכולים לראות את התוצאה של הקוד הזה. מסגרת הנתונים עם שלוש עמודות מופיעה בתמונה זו. העמודה הראשונה מכילה את שם התלמיד, והעמודה השנייה מכילה את ציוני התלמיד. על ידי שימוש בשיטת 'assign()' ופונקציית 'lambda' כדי לבנות את 'האחוזים' של העמודה השלישית, נוכל לקבוע את האחוזים של התלמיד ולאחר מכן להוסיף את האחוזים האלה לעמודה השלישית, ששמה 'אחוז' במסגרת הנתונים . הערכים שהתקבלו עבור עמודות האחוזים באמצעות הנוסחה היו '80', '72', '86' ו-'58'. גודל האינדקס הוא '4' במסגרת הנתונים הזו.

דוגמה 2: הטמעת פונקציית Lambda לשימוש בשיטת assign() במספר עמודות

טכניקת ה-assign() של Pandas DataFrame מאפשרת לנו להשתמש בפונקציית Lambda בעמודות רבות. בכל פעם שנדרשת פונקציה חדשה, כגון פונקציית למבדה או פונקציית מיון, אנו חופשיים להוסיף אותה. ניתן לטפל בעמודות ובשורות של מסגרת הנתונים של Pandas באמצעות פונקציית למבדה. בתרחיש זה, אנו מתחילים ביצירת מסגרת נתונים. 'תוצאת תלמיד' הוא השם של מסגרת הנתונים. יש לנו ארבע עמודות במסגרת הנתונים הזו. העמודה הראשונה שיש לנו היא 'שמות'. העמודה השנייה היא 'Python'. השם של העמודה השלישית הוא 'Data_structure'. השם של הרביעי הוא 'חשבון'.

בעמודות אלו, רשמנו כמה ערכים. עבור העמודה 'שמות', יש לנו את רשימת השמות של כמה תלמידים 'ערבה', 'אליס', 'אדוארד' ו'אמיליה'. הסימונים של הפיתון '96', '40', '98' ו- '98' מיוצגים על ידי הערכים המוחזקים בעמודה השנייה. הערכים בעמודה השלישית הם '86', '56', '73' ו- '90' ולעמודה הרביעית יש לנו '90', '33', '88' ו- '78'. כעת השתמש ב-'pd.DataFrame' כדי ליצור את מסגרת הנתונים.

כעת, אנו מוסיפים עמודה חדשה למסגרת הנתונים שלנו תוך שימוש בשיטת 'הקצאה'. העמודה החדשה נקראת 'סה'כ סימנים'. השם של העמודה החדשה הוא 'Total_marks'. כדי לקבל את הציונים הכוללים, השתמשנו בפונקציית 'Lambda' במספר עמודות נושא, כולל Python, מבנה נתונים וחשבון. פונקציה זו תוסיף את הציונים מכל שלושת המקצועות ותציג אותם בעמודה 'סה'כ_ציונים'. 'print(dataframe)' יציג לבסוף את מסגרת הנתונים על המסך.

הפעם, השגנו את התוצאה הזו. הפונקציה 'Lambda' תספק תוצאה מצוינת בשימוש בכמה עמודות. אנו מקצים עמודה חדשה 'Total_marks' למסגרת הנתונים שלנו בשיטת 'הקצאה' כדי שנוכל להציג את התוצאה הכוללת של התלמיד בעמודה זו. לבסוף, אנו יכולים לראות שהעמודה 'סה'כ ציונים' מציגה את סך התוצאות עבור כל שלושת הנושאים. המספרים עבור העמודות הכוללות של הסימונים חושבו על ידי הוספת הערכים משלוש עמודות באמצעות הלמבדה '272', '129', '259' ו-'266'.

סיכום

בשפת התכנות Python, פונקציית lambda היא פונקציה חסרת שם בת שורה אחת שלוקחת ארגומנט אחד ומספר אינסופי של פרמטרים. הם יכולים להעלות כמה טיעונים, אבל רק אחד מהם יבוא לידי ביטוי. עבודת למבדה משחזרת אובייקט קיבולת שעשוי להיות מוקצה לכל גורם ואינו מסוגל להכיל הצהרות כלשהן. במקרה הראשון, נעשה שימוש ב'למבדה' לקביעת האחוז, ובדוגמה השנייה חושבו 'סה'כ ציונים' לתלמידים. התחביר, השימוש והדוגמאות של פונקציות 'למבדה' טיפוסיות מכוסות במאמר זה.