Pandas.apply permet aux clients de passer une capacité et de l’appliquer sur chaque estimation de l’arrangement Pandas. Il s’agit d’une amélioration colossale pour la bibliothèque des pandas car cette capacité permet d’isoler les informations comme l’indiquent les conditions requises, ce qui permet de les utiliser de manière productive dans les sciences de l’information et l’IA.

Mise en place :

pip installer les pandas

Importez le module Pandas dans l’enregistrement python en utilisant les instructions d’accompagnement sur le terminal :

importer les pandas en tant que pd

s = pd.read_csv(“stock.csv”, squeeze=True)

Syntaxe :

s.apply(func, convert_dtype=True, args=())

Paramètres :

func : .apply prend une fonction et l’applique à toutes les valeurs des séries de pandas.
convert_dtype : Convertit dtype selon le fonctionnement de la fonction.
args=() : Arguments supplémentaires à passer à la fonction au lieu de la série.
Return Type : Séries de Pandas après la fonction/opération appliquée.

Exemple 1 :

L’exemple suivant passe une fonction et vérifie la valeur de chaque élément de la série et retourne en conséquence une valeur faible, normale ou élevée.

importer des pandas en tant que pd

# lecture csv

s = pd.read_csv(“stock.csv”, squeeze = True)

# définir la fonction de contrôle du prix

def fun(num) :

si num<200 :

retourne “Low” (faible)

elif num>= 200 et num<400 :

retour “Normal

d’autre part :

retour “Elevé

# fonction de passage pour appliquer et stocker les séries retournées dans de nouveaux

nouveau = s.apply(fun)

# impression des 3 premiers éléments

imprimer(nouveau.tête(3))

# l’impression d’éléments quelque part au milieu de la série

imprimer(nouveau [1400], nouveau [1500], nouveau [1600])

# impression des 3 derniers éléments

print(new.tail(3))

Sortie

Exemple 2

Dans l’exemple suivant, une fonction anonyme temporaire est réalisée dans .apply lui-même en utilisant lambda. Elle ajoute 5 à chaque valeur de la série et renvoie une nouvelle série.

importer des pandas en tant que pd

s = pd.read_csv(“stock.csv”, squeeze = True)

# en ajoutant 5 à chaque valeur

nouveau = s.apply(lambda num : num + 5)

# impression des 5 premiers éléments des anciennes et nouvelles séries

print(s.head(), ‘\n’, new.head())

# impression des 5 derniers éléments des anciennes et nouvelles séries

print(‘\n\n’, s.tail(), ‘\n’, new.tail())

Sortie :

0 50.12

1 54.10

2 54.65

3 52.38

4 52.95

Nom : Cours de l’action, dtype : float64

0 55.12

1 59.10

2 59.65

3 57.38

4 57.95

Nom : Cours de l’action, dtype : float64

3007 772.88

3008 771.07

3009 773.18

3010 771.61

3011 782.22

Nom : Cours de l’action, dtype : float64

3007 777.88

3008 776.07

3009 778.18

3010 776.61

3011 787.22

Nom : Cours de l’action, dtype : float64