详解 Pandas 与 Lambda 结合进行高效数据分析
这篇文章小编来讲讲lambda方法以及它在pandas模块当中的运用,熟练掌握可以极大地提高数据分析与挖掘的效率 导入模块与读取数据 我们第一步需要导入模块以及数据集 import pandas as pd df = pd.read_csv("IMDB-Movie-Data.csv") df.head() 创建新的列 一般我们是通过在现有两列的基础上进行一些简单的数学运算来创建新的一列,例如 df['AvgRating'] = (df['Rating'] + df['Metascore']/10)/2&详解nbsp; 但是如果要新创建的列是经过相当复杂的计算得来的,那么lambda方法就很多必要被运用到了,我们先来定义一个函数方法 def custom_rating(genre,rating): if 'Thriller' in genre: return min(10,rating+1) elif 'Comedy' in ge Pnre: return max(0,rating-1) elif 'Drama' in genre: return max(5, rating-1) else: an return rating 我们对于不同类别的电影采用了不同方式的评分方法,例如对于“惊悚片”,评分的方法则是在“原来的评分+1”和10分当中取一个最小的,而对于“喜剧”类别的电影,则是在0分和“原来的评分-1”当中取一个最大的,然后我们通过apply方法和lambda方法将这个自定义的函数应用在这个DataFrame数据集当中 df["CustomRating"] = df.apply(lambda x: custom_rating(x['Genre'], x['Rating']), axis =&nbdasp;1) 我们这里需要说明一下axis参数的作用,其中axis=1代表跨列而axis=0代表跨行,如下图所示 筛选数据 在pandas当中筛选数据相对来说比较容易,可以用到& | ~这些操作符,代码如下 # 单个条件,评分大于5分的 dfdf_gt_5 = df[df['Rating']>5] # 多个条件: AND - 同时满足评分高于5分并且投票大于100000的 And_df = df[(df['Rating']>5) & (df['Votes']s >100000)] # 多个条件: OR - 满足评分高于5分或者投票大于100000的 Or_df = df[(df['Rating']>5) | (df['Votes']>100000)] # 多个条件:NOT - 将满足评分高于5分或者投票大于100000的数据排除掉 Not_df = df[~((df['Rating']>5) | (df['Votes']>100000))]&nbs与 p; 这些都是非常简单并且是常见的例子,但是要是我们想要筛选出电影的影名长度大于5的部分,要是也采用上面的方式就会报错 df[len(df['Title'].split(" "))>=5] output AttributeError: 'Series' object has no attribute 'split' 这里我们还是采用apply和lambda相结合,来实现上面的功能 #创建一个新的列来存储每一影片名的长度 df['num_words_title'] = df.apply(lambda x La: len(x['Title'].split(" ")),axis=1) #筛选出影片名长度大于5的部分 new_df = df[df['num_words_title']>=5] 当然要是大家觉得上面的方法有点繁琐的话,也可以一步到位 new_df = df[df.apply(lambda x : len(x['Title'].split(" "))>=5,axis=1)] 例如我们想要筛选出那些影片的票房低于当年平均水平的数据,可以这么来做。 我们先要对每年票房的的平均值做一个归总,mb代码如下 year_revenue_dict = df.groupby(['Year']).agg({'Revenue(Millions)':np.mean}).to_dict()['Revenue(Millions)'] 然后我们定义一个函数来判断是否存在该影片的票房低于当年平均水平的情况,返回的是布尔值 def bool_provider(revenue, year): return revenue<year_revenue_dict[year] 然后我们通过结合apply方法和lambda方法应da用到数据集当中去 new_df = df[df.apply(lambda x : bool_provider(x['Revenue(Millions)'], 结 x['Year']),axis=1)] 我们筛选数据的时候,主要是用.loc方法,它同时也可以和lambda方法联用,例如我们想要筛选出评分在5-8分之间的电影以及它们的票房,代码如下 df.loc[lambda x: (x["Rating"] > 5) & (x["Rating"] < 8)][["Title", "Revenue (Millions)"]] 转变指定列的数据类型 通常我们转变指合进定列的数据类型,都是调用astype方法来实现的,例如我们将“Price”这一列的数据类型转变成整型的数据,代码如下 df['Price'].astype('int') 会出现如下所示的报错信息 ValueError: invalid literal for int() with base 10: '12,000' 因此当出现类似“12,000”的数据的时候,调用astype方法实现数据类型转换就会报错,因此我们还需要将到apply和lambda结合进行数据的清洗,代码如下 df['Price'] = df.apply(lambda 行高x: int(x['Price'].replace(',', '')),axis=1) 方法调用过程的可视化 有时候我们在处理数据集比较大的时候,调用函数方法需要比较长的时间,这个时候就需要有一个要是有一个进度条,时时刻刻向我们展示数据处理的进度,就会直观很多了。 这里用到的是tqdm模块,我们将其导入进来 from tqdm import tqdm, tqdm_notebook tqdm_notebook().pandas() 然后将apply方法替换成progress_apply即可,代码如下 df["CustomRating"] = 效数df.progress_apply(lambda x: custom_rating(x['Genre'],x['Rating']),axis=1) output 当lambda方法遇到if-else 当然我们也可以将if-else运用在lambda自定义函数当中,代码如下 Bigger = lambda x, y : x if(x > y) else y Bigger(2, 10) output 10 当然很多时候我们可能有多组if-else,这样写起来就有点麻烦了,据分代码如下 df['Rating'].apply(lambda x:"低分电影" if x < 3 else ("中等电影" if x>=3 and x < 5 else("高分电影" if x>=8 else "值得观看"))) 看上去稍微有点凌乱了,这个时候,小编这里到还是推荐大家自定义函数,然后通过apply和lambda方法搭配使用
- 最近发表
-
- 云安全日报210302:Apache Tomcat应用服务器发现信息泄露漏洞,需要尽快升级
- 标签: 凤凰新媒体 凤凰网 财报 数字阅读
- AI致16岁少年自杀 OpenAI深陷首例非正常死亡诉讼
- 谷歌云计算去年四季度营收同比大增44% 但与亚马逊差距依旧明显
- 云计算开发实例:Python3计算字典值之和
- Pinterest推出AI内容限制工具:用户可自定义减少生成式AI图像
- Facebook旗下数字货币项目Diem放弃申请瑞士支付牌照:专注美国市场
- 猫=图灵机?4项测试证明,「猫猫计算机」可执行任意计算
- 云安全日报220317:红帽OpenShift云应用平台发现执行任意代码漏洞,需要尽快升级
- 加州大学华人博士团队训练AI模仿鸟儿唱歌 实时「意念-语音转换」
- 随机阅读
-
- 标签: 字节跳动 TikTokShop 人工智能 海外营收
- 标签: xTool 激光雕刻机 DTF打印机 AIMake
- 标签: MiniMax Music2.6 国风音乐 游戏配乐
- AI武器时代:伊朗科学家真的遭遇了人工智能武器的暗杀吗?
- 云计算开发:Python练习实例-创建一个链表
- 标签: 哈啰租电动车 3·15晚会 电动自行车安全技术规范 哈啰普惠科技 3152026
- 标签: 招商证券 2025年报 归母净利润 每股EPS
- 美国与马斯克的 xAI 达成协议,显示与特朗普的关系改善
- 标签: 罗永浩 真还传 科技春晚
- 亚马逊和苹果正在推动英特尔芯片的转变
- 云计算核心技术Docker教程:容器持久化数据
- 标签: 字节跳动 Meta 电商 利润
- 标签: 华大北斗 北斗芯片 比亚迪 格力创投
- AI初创公司的两年经历,让我学到这7件事
- 纽约州起诉Coinbase与Gemini,指控其涉嫌非法经营预测市场
- 腾讯云TokenHub:连续多月翻倍 日Token消耗量跃升至5万亿
- 标签: 灵心巧手 Linker Hand 具身智能 灵巧手
- 标签: 亚马逊 贝丝·加莱蒂 安迪·贾西 Amazon Go
- Facebook正式推出合作音乐视频应用Collab
- Facebook正式推出合作音乐视频应用Collab
- 搜索
-
- 友情链接