Hay diferentes formas de aplicar una función a cada fila o columna en DataFrame. Aprenderemos sobre varias formas en esta publicación. Primero creemos un marco de datos pequeño y veamos eso.
Python3
# import pandas and numpy library
import pandas as pd
import numpy as np
# list of tuples
matrix = [(1,2,3,4),
(5,6,7,8,),
(9,10,11,12),
(13,14,15,16)
]
# Create a Dataframe object
df = pd.DataFrame(matrix, columns = list('abcd'))
# Output
df
Producción :
Método 1: Aplicar la función lambda a cada fila/columna.
Ejemplo 1: para columna
Python3
# import pandas and numpy library
import pandas as pd
import numpy as np
# list of tuples
matrix = [(1,2,3,4),
(5,6,7,8,),
(9,10,11,12),
(13,14,15,16)
]
# Create a Dataframe object
df = pd.DataFrame(matrix, columns = list('abcd'))
# Applying a lambda function to each
# column which will add 10 to the value
new_df = df.apply(lambda x : x + 10)
# Output
new_df
Producción :
Ejemplo 2: Para Fila
Python3
# import pandas and numpy library
import pandas as pd
import numpy as np
# list of tuples
matrix = [(1,2,3,4),
(5,6,7,8,),
(9,10,11,12),
(13,14,15,16)
]
# Creating a Dataframe object
df = pd.DataFrame(matrix, columns = list('abcd'))
# Applying a lambda function to each
# row which will add 5 to the value
new_df = df.apply(lambda x: x + 5, axis = 1)
# Output
new_df
Producción :
Método 2: Aplicar la función definida por el usuario a cada fila/columna
Ejemplo 1: Para columna
Python3
# function to returns x*x
def squareData(x):
return x * x
# import pandas and numpy packages
import pandas as pd
import numpy as np
# list of tuples
matrix = [(1,2,3,4),
(5,6,7,8,),
(9,10,11,12),
(13,14,15,16)
]
# Creating a Dataframe object
df = pd.DataFrame(matrix, columns = list('abcd'))
# Applying a user defined function to
# each column that will square the given
# value
new_df = df.apply(squareData)
# Output
new_df
Producción :
Ejemplo 2: Para Fila
Python3
# function to returns x*X
def squareData(x):
return x * x
# import pandas and numpy library
import pandas as pd
import numpy as np
# List of tuples
matrix = [(1,2,3,4),
(5,6,7,8,),
(9,10,11,12),
(13,14,15,16)
]
# Creating a Dataframe object
df = pd.DataFrame(matrix, columns = list('abcd'))
# Applying a user defined function
# to each row that will square the given value
new_df = df.apply(squareData, axis = 1)
# Output
new_df
Producción :
En los ejemplos anteriores, vimos cómo se aplica una función definida por el usuario a cada fila y columna. También podemos aplicar funciones definidas por el usuario que toman dos argumentos.
Ejemplo 1: para columna
Python3
# function to returns x+y
def addData(x, y):
return x + y
# import pandas and numpy library
import pandas as pd
import numpy as np
# list of tuples
matrix = [(1,2,3,4),
(5,6,7,8,),
(9,10,11,12),
(13,14,15,16)
]
# Creating a Dataframe object
df = pd.DataFrame(matrix, columns = list('abcd'))
# Applying a user defined function to each
# column which will add value in each
# column by given number
new_df = df.apply(addData, args = [1])
# Output
print(new_df)
Producción:
Ejemplo 2: Para Fila
Python3
# function to returns x+y
def addData(x, y):
return x + y
# import pandas and numpy library
import pandas as pd
import numpy as np
# List of tuples
matrix = [(1,2,3,4),
(5,6,7,8,),
(9,10,11,12),
(13,14,15,16)
]
# Creating a Dataframe object
df = pd.DataFrame(matrix, columns = list('abcd'))
# Applying a user defined function to each
# row which will add value in each row by
# given number
new_df = df.apply(addData, axis = 1,
args = [3])
# Output
new_df
Producción :
Método 3: Aplicar la función numpy a cada fila/columna
Ejemplo 1: Para columna
Python3
# import pandas and numpy library
import pandas as pd
import numpy as np
# list of tuples
matrix = [(1,2,3,4),
(5,6,7,8,),
(9,10,11,12),
(13,14,15,16)
]
# Creating a dataframe object
df = pd.DataFrame(matrix, columns = list('abcd'))
# Applying a numpy function to each
# column by squaring each value
new_df = df.apply(np.square)
# Output
new_df
Producción :
Ejemplo 2: Para Fila
Python3
# import pandas and numpy library
import pandas as pd
import numpy as np
# List of tuples
matrix = [(1,2,3,4),
(5,6,7,8,),
(9,10,11,12),
(13,14,15,16)
]
# Creating a dataframe object
df = pd.DataFrame(matrix, columns = list('abcd'))
# Apply a numpy function to each row
# to find square root of each value
new_df = df.apply(np.sqrt, axis = 1)
# Output
new_df
Producción :
Método 4: Aplicar una función Reductora a cada fila/columna
Una función Reductora tomará la fila o la columna como una serie y devolverá una serie del mismo tamaño que la fila/columna de entrada o devolverá una sola variable dependiendo de la función que usemos .
Ejemplo 1: para columna
Python3
# import pandas and numpy library
import pandas as pd
import numpy as np
# List of tuples
matrix = [(1,2,3,4),
(5,6,7,8,),
(9,10,11,12),
(13,14,15,16)
]
# Creating a Dataframe object
df = pd.DataFrame(matrix, columns = list('abcd'))
# Applying a numpy function to get the sum
# of all values in each column
new_df = df.apply(np.sum)
# Output
new_df
Producción :
Ejemplo 2: Para Fila
Python3
# import pandas and numpy library
import pandas as pd
import numpy as np
# List of tuples
matrix = [(1,2,3,4),
(5,6,7,8,),
(9,10,11,12),
(13,14,15,16)
]
# Creating a Dataframe object
df = pd.DataFrame(matrix, columns = list('abcd'))
# Applying a numpy function to get t
# he sum of all values in each row
new_df = df.apply(np.sum, axis = 1)
# Output
new_df
Producción :
