🔑 Как применить функцию к строке pandas: легко и быстро

        import pandas as pd
        
        df = pd.DataFrame({'Строка': ['привет', 'пока', 'здравствуйте']})
        
        df['Длина'] = df['Строка'].apply(len)
        
        print(df)
    

        Строка         Длина
        0      привет        6
        1      пока          4
        2      здравствуйте  13
    

Как применить функцию к строке pandas

В библиотеке pandas, есть несколько способов применять функцию к строке датафрейма. Здесь мы рассмотрим два наиболее распространенных способа: использование метода apply() и метода map().

Метод apply()

Метод apply() позволяет применить пользовательскую функцию к каждой строке датафрейма или к указанному столбцу.

Прежде всего, создадим пример данных:

import pandas as pd

data = {'Name': ['John', 'Kate', 'Sam', 'Emma'],
        'Age': [25, 30, 35, 28]}
df = pd.DataFrame(data)
print(df)

Вывод:

Name  Age
0  John   25
1  Kate   30
2   Sam   35
3  Emma   28

Теперь, если мы хотим применить функцию len() к столбцу 'Name', мы можем использовать следующий код:

df['Name_Length'] = df['Name'].apply(len)
print(df)

Вывод:

Name  Age  Name_Length
0  John   25            4
1  Kate   30            4
2   Sam   35            3
3  Emma   28            4

Мы создали новый столбец 'Name_Length', в котором содержится количество символов в каждой строке столбца 'Name'.

Также, мы можем создать пользовательскую функцию и применить ее к каждой строке датафрейма. Например, вот функция, которая удваивает значение столбца 'Age':

def double_age(age):
    return age * 2

df['Double_Age'] = df['Age'].apply(double_age)
print(df)

Вывод:

Name  Age  Name_Length  Double_Age
0  John   25            4          50
1  Kate   30            4          60
2   Sam   35            3          70
3  Emma   28            4          56

Мы создали новый столбец 'Double_Age', содержащий удвоенные значения столбца 'Age'.

Метод map()

Метод map() позволяет применять функцию к каждому элементу указанного столбца датафрейма.

Давайте рассмотрим пример:

data = {'Grade': ['A', 'B', 'C', 'A']}
df = pd.DataFrame(data)
print(df)

Вывод:

  Grade
0     A
1     B
2     C
3     A

Теперь, предположим, что мы хотим преобразовать значения столбца 'Grade' из буквенных в численные. Мы можем использовать метод map() и создать словарь, отображающий буквенные значения на числовые:

grade_map = {'A': 5, 'B': 4, 'C': 3, 'D': 2, 'F': 1}
df['Numeric_Grade'] = df['Grade'].map(grade_map)
print(df)

Вывод:

  Grade  Numeric_Grade
0     A              5
1     B              4
2     C              3
3     A              5

Мы создали новый столбец 'Numeric_Grade', где каждое буквенное значение заменено числовым согласно словарю.

Заключение

В этой статье мы рассмотрели два наиболее распространенных способа применения функций к строкам pandas - метод apply() и метод map(). Метод apply() позволяет применять пользовательскую функцию к каждой строке датафрейма или к указанному столбцу, в то время как метод map() применяет функцию к каждому элементу указанного столбца. Оба метода полезны в разных сценариях и могут быть использованы для обработки данных в pandas.