La serie Pandas es un ndarray unidimensional con etiquetas de eje. No es necesario que las etiquetas sean únicas, pero deben ser de tipo hashable. El objeto admite la indexación basada en enteros y etiquetas y proporciona una gran cantidad de métodos para realizar operaciones relacionadas con el índice.
Función de pandas Series.transform()
Llamar a func (la función pasada) al autoproducir una serie con valores transformados y que tiene la misma longitud de eje que la propia.
Sintaxis: Series.transform(func, axis=0, *args, **kwargs)
Parámetro:
func: si es una función, debe funcionar cuando se pasa a una serie o cuando se pasa a Series.apply
axis: parámetro necesario para la compatibilidad con DataFrame.
*args : Argumentos posicionales para pasar a func.
**kwargs: Argumentos de palabras clave para pasar a func.Devoluciones: Devuelve series que deben tener la misma longitud que uno mismo.
Ejemplo #1: Use Series.transform()
la función para transformar los elementos del objeto Serie dado. Agregue ‘_City’ al final de cada nombre de ciudad.
# importing pandas as pd import pandas as pd # Creating the Series sr = pd.Series(['New York', 'Chicago', 'Toronto', 'Lisbon', 'Rio', 'Moscow']) # Create the Datetime Index didx = pd.DatetimeIndex(start ='2014-08-01 10:00', freq ='W', periods = 6, tz = 'Europe/Berlin') # set the index sr.index = didx # Print the series print(sr)
Producción :
Ahora usaremos Series.transform()
la función para agregar ‘_City’ al final de cada nombre de ciudad.
# append '_City' sr.transform(lambda x : x + '_City')
Producción :
As we can see in the output, the Series.transform()
function has successfully appended the desired keyword at the end of which city name.
Example #2: Use Dataframe.transform()
function to transform the data of the given Dataframe. Increase the ticket cost of each even by 1000.
# importing pandas as pd import pandas as pd # Creating the Dataframe df = pd.DataFrame({'Date':['10/2/2011', '11/2/2011', '12/2/2011', '13/2/2011'], 'Event':['Music', 'Poetry', 'Theatre', 'Comedy'], 'Cost':[10000, 5000, 15000, 2000]}) # Print the dataframe print(df)
Producción :
Ahora usaremos Dataframe.transform()
la función para aumentar el costo del boleto en 1000
# transform the 'Cost' column df['Cost'] = df['Cost'].transform(lambda x : x + 1000) # Print the dataframe after modification print(df)
Producción :
Como podemos ver en el resultado, la Dataframe.transform()
función ha logrado aumentar el costo de las entradas de cada evento en 1000.
Publicación traducida automáticamente
Artículo escrito por Shubham__Ranjan y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA