Panda adalah aplikasi yang sangat kerap sehingga mungkin lebih berguna untuk menghitung perkara yang tidak dapat mereka capai berbanding perkara yang mereka boleh lakukan. Data anda boleh didapati dalam alat ini. Panda boleh membantu anda mempelajari tentang data dengan membersihkan, mengubah dan menganalisisnya. 'Lambda' ialah cara alternatif untuk mentakrifkan fungsi dalam bahasa biasa. Menggunakan 'lambda', anda boleh menentukan fungsi secara langsung. Ini menunjukkan bahawa anda boleh menggunakan satu ayat kod Python untuk menggunakan fungsi pada beberapa data. Walaupun ungkapan boleh mengambil lebih daripada satu parameter, fungsi 'lambda' terhad kepada satu. Ungkapan itu dinilai dan diberi keputusan. Panda Python menggunakan fungsi 'lambda' untuk menangani pelbagai isu penyelidikan data. Dalam DataFrame panda, kita boleh menggunakan fungsi 'lambda' untuk kedua-dua baris dan lajur.
'Lambda' melaksanakan program anda pada syarikat teknologi yang sangat berskala dan mengurus semua pentadbiran aset komputer. Ini meliputi penggunaan kemas kini, peruntukan kapasiti, penskalaan automatik, analisis dan rakaman kod, dan penyelenggaraan pelayan dan operasi. Kapasiti kecil dengan hanya satu sambungan ialah fungsi 'Lambda' Pandas. Kebolehan 'Lambda' boleh berfungsi sama dalam situasi yang tidak dinamakan. 'Lambda' bermaksud kata kunci fungsi. Badan fungsi yang perlu dilaksanakan ditunjukkan oleh x kedua. Kata kunci mestilah 'lambda' dan diperlukan, tetapi hujah dan kandungan mungkin berbeza mengikut keadaan. Mengembalikan objek fungsi boleh dilakukan dengan fungsi lambda.
Sintaks untuk Fungsi lambda:
Contoh 1: Menggunakan DataFrame untuk Melaksanakan Kaedah Lambda pada Lajur Baharu dengan Menggunakan Kaedah assign()
Pendekatan 'Lambda' digunakan oleh Panda untuk menangani pelbagai isu pemprosesan maklumat. Fungsi ringkas, kaedah 'Lambda' juga boleh digunakan tanpa nama, yang bermaksud ia tidak memerlukan nama. Kaedah 'lambda' boleh digunakan untuk menulis program minimum dan menyelesaikan isu mudah. Dalam bahasa yang menyokong fungsi tertib tinggi, ungkapan 'lambda' atau teknik 'lambda' hanyalah sebahagian daripada arahan yang boleh diperuntukkan kepada pembolehubah, diluluskan sebagai hujah atau diambil daripada panggilan fungsi. Mereka telah lama menjadi komponen pengaturcaraan. Bermula dengan contoh pertama artikel ini, syarat asas untuk pelaksanaan kod ialah memuatkan perpustakaan yang diperlukan. Perpustakaan 'Panda' adalah perpustakaan yang kami perlukan. Untuk memuatkannya, kita mesti mencipta baris 'import panda sebagai pd.' Kami kini akan membina bingkai data kami.
Dalam contoh ini, bingkai data kami dipanggil 'pelajar.' Bingkai data kami kemudiannya mendapat dua lajur tambahan. Lajur pertama dinamakan 'Nama' dan yang kedua dinamakan 'Markah'. Setiap satu daripada dua lajur mengandungi beberapa nilai. Kami mempunyai nilai berikut untuk lajur pertama 'Alvin', 'Watson', 'Thomas' dan 'Noah' dan nilai untuk lajur kedua 'Markah.' Kami mempunyai '400', '360', '430' dan '290.' Kini, ia akan menjana DataFrame kami dengan menggunakan 'pd.DataFrame'.
Kemudian kami mencapai sebahagian besar kod kami, di mana kami menggunakan kaedah 'assign()' dengan 'lambda' untuk membina lajur tunggal baharu. Fungsi 'Lambda' digunakan pada satu lajur sahaja melalui kaedah 'dataframe.assign()'. Lambda ialah kaedah tambahan untuk menerangkan fungsi dalam bahasa biasa. Menggunakan lambda, anda boleh menentukan fungsi secara langsung. Ini menunjukkan bahawa anda boleh menggunakan satu baris kod Python untuk menggunakan fungsi pada data tertentu. Kini kami menetapkan lajur baharu 'Peratusan' dalam bingkai data kami dengan menggunakan kaedah 'tugaskan()'.
Prosedur 'lambda' telah digunakan pada lajur 'Mark'. Peratusan pelajar dikira menggunakan fungsi Lambda dan kemudian disimpan dalam lajur baharu, iaitu 'Peratusan.' Formula yang kami gunakan untuk menentukan peratusan dengan menggunakan 'lambda' ialah 'markah atau jumlah markah, iaitu 500 dan didarab dengan 100,' yang akan menghasilkan peratusan tepat pelajar dan memaparkannya dalam lajur 'peratusan' bingkai data. 'cetak (bingkai data)' kini akan memaparkan bingkai data pada skrin.
Kami boleh melihat hasil kod ini. Bingkai data dengan tiga lajur muncul dalam imej ini. Lajur pertama mengandungi nama pelajar, dan lajur kedua mengandungi gred pelajar. Dengan menggunakan kaedah “assign()” dan fungsi “lambda” untuk membina “peratusan” lajur ketiga, kita boleh menentukan peratusan pelajar dan kemudian menambah peratusan tersebut pada lajur ketiga, yang dinamakan “peratusan” dalam bingkai data . Nilai yang diperoleh untuk lajur peratusan dengan menggunakan formula ialah “80”, “72”, “86” dan “58”. Saiz indeks ialah '4' dalam bingkai data ini.
Contoh 2: Melaksanakan Fungsi Lambda untuk Menggunakan Kaedah assign() dalam Berbilang Lajur
Teknik assign() Pandas DataFrame membolehkan kami menggunakan fungsi Lambda pada banyak lajur. Setiap kali fungsi baharu diperlukan, seperti fungsi lambda atau fungsi isihan, kami bebas untuk menambahkannya. Lajur dan baris bingkai data Pandas boleh dirawat dengan fungsi lambda. Dalam senario ini, kita mulakan dengan menjana kerangka data. 'Hasil pelajar' ialah nama bingkai data. Kami mempunyai empat lajur dalam bingkai data ini. Lajur pertama yang kami ada ialah 'Nama'. Lajur kedua ialah 'Python'. Nama lajur ketiga ialah 'Data_structure'. Nama untuk yang keempat ialah 'Kalkulus'.
Dalam lajur ini, kami telah menyenaraikan beberapa nilai. Untuk lajur 'Nama', kami mempunyai senarai beberapa nama pelajar 'Willow', 'Alice', 'Edward' dan 'Amelia'. Tanda ular sawa '96', '40', '98', dan '98' diwakili oleh nilai yang dipegang dalam lajur kedua. Nilai dalam lajur ketiga ialah '86', '56', '73' dan '90' dan untuk lajur keempat kita mempunyai '90', '33', '88' dan '78'. Sekarang gunakan 'pd.DataFrame' untuk menjana bingkai data.
Sekarang, kami menambah lajur baharu pada bingkai data kami menggunakan kaedah 'tugaskan'. Lajur baharu bertajuk 'Jumlah markah'. Nama untuk lajur baharu ialah 'Total_marks'. Untuk mendapatkan markah keseluruhan, kami menggunakan fungsi 'Lambda' pada beberapa lajur subjek, termasuk Python, struktur data dan kalkulus. Fungsi ini akan menambah markah daripada ketiga-tiga subjek dan memaparkannya dalam lajur 'Jumlah_marks'. 'cetak (bingkai data)' akhirnya akan memaparkan bingkai data pada skrin.
Kali ini, kami memperoleh keputusan ini. Fungsi 'Lambda' akan memberikan hasil yang sangat baik apabila digunakan dalam beberapa lajur. Kami menetapkan lajur baharu 'Total_marks' pada bingkai data kami menggunakan kaedah 'assign' supaya kami boleh memaparkan jumlah hasil pelajar dalam lajur tersebut. Akhir sekali, kita dapat melihat bahawa lajur 'Jumlah markah' memaparkan jumlah keputusan untuk ketiga-tiga subjek. Nombor untuk jumlah lajur markah telah dikira dengan menambahkan nilai daripada tiga lajur menggunakan lambda “272”, “129”, “259” dan “266”.
Kesimpulan
Dalam bahasa pengaturcaraan Python, fungsi lambda ialah fungsi satu baris tanpa nama yang mengambil satu hujah dan bilangan parameter yang tidak terhingga. Mereka mungkin membuat beberapa hujah, tetapi hanya satu daripadanya akan diluahkan. Kerja lambda memulihkan objek kapasiti yang mungkin diberikan kepada mana-mana faktor dan tidak boleh mengandungi sebarang penegasan. Dalam kes pertama, 'lambda' digunakan untuk menentukan peratusan, dan dalam contoh kedua, 'jumlah markah' untuk pelajar telah dikira. Sintaks, penggunaan dan contoh fungsi 'lambda' biasa dibincangkan dalam artikel ini.