Gấu trúc là ứng dụng thường xuyên đến mức có thể hữu ích hơn khi liệt kê những điều chúng không thể hoàn thành hơn là những điều chúng có thể làm được. Dữ liệu của bạn thực tế tồn tại trong công cụ này. Gấu trúc có thể giúp bạn tìm hiểu về dữ liệu bằng cách làm sạch, chuyển đổi và phân tích dữ liệu đó. “Lambda” là một cách thay thế để xác định một hàm trong ngôn ngữ thông thường. Sử dụng “lambda”, bạn có thể xác định một hàm trực tiếp. Nó ngụ ý rằng bạn có thể sử dụng một câu mã Python để áp dụng một hàm cho một số dữ liệu. Mặc dù một biểu thức có thể nhận nhiều hơn một tham số, nhưng một hàm “lambda” được giới hạn ở một tham số. Biểu thức được đánh giá và đưa ra kết quả. Python’s Pandas sử dụng hàm “lambda” để giải quyết nhiều vấn đề nghiên cứu dữ liệu. Trong DataFrame của gấu trúc, chúng ta có thể sử dụng hàm “lambda” cho cả hàng và cột.
“Lambda” thực hiện chương trình của bạn trên một công ty công nghệ có khả năng mở rộng cao và quản lý tất cả việc quản lý tài sản máy tính. Điều này bao gồm triển khai cập nhật, cung cấp dung lượng, mở rộng quy mô tự động, phân tích và ghi mã, cũng như bảo trì máy chủ và vận hành. Một công suất nhỏ chỉ có một khớp là chức năng Pandas “Lambda”. Khả năng “Lambda” có thể hoạt động như nhau trong các tình huống mà chúng không được đặt tên. “Lambda” là viết tắt của từ khóa của hàm. Phần nội dung của hàm cần được thực hiện được biểu thị bằng dấu x thứ hai. Từ khóa phải là “lambda” và là bắt buộc, nhưng các đối số và nội dung có thể khác nhau tùy theo trường hợp. Có thể trả về các đối tượng hàm với các hàm lambda.
Cú pháp cho hàm lambda:
Ví dụ 1: Sử dụng DataFrame để thực thi một phương pháp Lambda cho một cột mới bằng cách áp dụng phương thức gán ()
Phương pháp “Lambda” được Pandas sử dụng để giải quyết các vấn đề xử lý thông tin đa dạng. Một hàm ngắn gọn, phương thức “Lambda” cũng có thể được sử dụng ẩn danh, có nghĩa là nó không cần tên. Phương thức “lambda” có thể được sử dụng để viết các chương trình tối thiểu và giải quyết các vấn đề đơn giản. Trong các ngôn ngữ hỗ trợ các hàm bậc cao, các biểu thức “lambda” hoặc các kỹ thuật “lambda” chỉ đơn giản là các đoạn lệnh có thể được cấp phát cho các biến, được truyền dưới dạng đối số hoặc được truy xuất từ một lệnh gọi hàm. Chúng từ lâu đã trở thành một thành phần của lập trình. Bắt đầu với ví dụ đầu tiên của bài viết này, điều kiện cơ bản để thực thi mã là tải các thư viện cần thiết. Thư viện 'Pandas' là thư viện mà chúng tôi yêu cầu. Để tải nó, chúng ta phải tạo dòng 'nhập gấu trúc dưới dạng pd.' Bây giờ chúng ta sẽ xây dựng khung dữ liệu của chúng ta.
Trong ví dụ này, khung dữ liệu của chúng tôi được gọi là “sinh viên”. Khung dữ liệu của chúng tôi sau đó có thêm hai cột. Cột đầu tiên được đặt tên là “Tên” và cột thứ hai có tên là “Dấu hiệu”. Mỗi cột trong số hai cột chứa một số giá trị. Chúng tôi có các giá trị sau cho cột đầu tiên “Alvin”, “Watson”, “Thomas” và “Noah” và các giá trị cho cột thứ hai “Marks”. Chúng tôi có “400”, “360”, “430” và “290.“ Bây giờ, nó sẽ tạo DataFrame của chúng tôi bằng cách sử dụng “pd.DataFrame”.
Sau đó, chúng tôi tiếp cận phần lớn mã của mình, nơi chúng tôi sử dụng phương thức “gán ()” với “lambda” để tạo một cột đơn mới. Hàm “Lambda” chỉ được áp dụng cho một cột thông qua phương thức “dataframe.assign ()”. Lambda là một phương pháp bổ sung để mô tả các hàm bằng ngôn ngữ thông thường. Sử dụng lambda, bạn có thể xác định một hàm trực tiếp. Nó ngụ ý rằng bạn có thể sử dụng một dòng mã Python để áp dụng một hàm cho một số dữ liệu nhất định. Bây giờ chúng ta chỉ định một cột mới 'Phần trăm' trong khung dữ liệu của chúng ta bằng cách sử dụng phương thức 'gán ()'.
Thủ tục “lambda” đã được sử dụng trên cột “Đánh dấu”. Phần trăm học sinh được tính toán bằng cách sử dụng hàm Lambda và sau đó được giữ trong một cột mới, đó là 'Phần trăm.' Công thức chúng tôi sử dụng để xác định tỷ lệ phần trăm bằng cách sử dụng “lambda” là “điểm hoặc tổng điểm, là 500 và nhân với 100”, công thức này sẽ tạo ra tỷ lệ phần trăm chính xác của học sinh và hiển thị trong cột “phần trăm” của khung dữ liệu. “Print (dataframe)” bây giờ sẽ hiển thị dataframe trên màn hình.
Chúng tôi có thể xem kết quả của mã này. Khung dữ liệu có ba cột xuất hiện trong hình ảnh này. Cột đầu tiên chứa tên của học sinh và cột thứ hai có điểm của học sinh. Bằng cách sử dụng phương thức “gán ()” và hàm “lambda” để xây dựng “phần trăm” của cột thứ ba, chúng tôi có thể xác định tỷ lệ phần trăm của học sinh và sau đó thêm các tỷ lệ phần trăm đó vào cột thứ ba, được đặt tên là “phần trăm” trong khung dữ liệu . Các giá trị nhận được cho các cột phần trăm bằng cách sử dụng công thức là “80”, “72”, “86” và “58”. Kích thước của chỉ mục là '4' trong khung dữ liệu này.
Ví dụ 2: Triển khai một hàm Lambda để sử dụng phương thức gán () trong nhiều cột
Kỹ thuật Pandas DataFrame’s gán () cho phép chúng ta sử dụng hàm Lambda trên nhiều cột. Mỗi khi cần một hàm mới, chẳng hạn như hàm lambda hoặc hàm sắp xếp, chúng tôi có thể tự do thêm nó. Cả cột và hàng của khung dữ liệu Pandas đều có thể được xử lý bằng hàm lambda. Trong trường hợp này, chúng tôi bắt đầu bằng cách tạo khung dữ liệu. “Kết quả của sinh viên” là tên của khung dữ liệu. Chúng tôi có bốn cột trong khung dữ liệu này. Cột đầu tiên chúng ta có là 'Tên'. Cột thứ hai là 'Python'. Tên của cột thứ ba là “Cấu trúc dữ liệu”. Tên của thứ tư là 'Calculus'.
Trong các cột này, chúng tôi đã liệt kê một vài giá trị. Đối với cột “Tên”, chúng tôi có danh sách tên của một số học sinh “Willow”, “Alice”, “Edward” và “Amelia”. Các ký hiệu của python “96”, “40”, “98” và “98” được thể hiện bằng các giá trị được giữ trong cột thứ hai. Các giá trị trong cột thứ ba là “86”, “56”, “73” và “90” và đối với cột thứ tư, chúng ta có “90”, “33”, “88” và “78”. Bây giờ sử dụng “pd.DataFrame” để tạo khung dữ liệu.
Bây giờ, chúng tôi thêm một cột mới vào khung dữ liệu của chúng tôi bằng cách sử dụng phương thức 'gán'. Cột mới có tiêu đề 'Tổng điểm'. Tên của cột mới là “Total_marks”. Để có được điểm tổng thể, chúng tôi đã sử dụng hàm “Lambda” trên một số cột chủ đề, bao gồm Python, cấu trúc dữ liệu và phép tính toán. Chức năng này sẽ thêm điểm của cả ba môn học và hiển thị chúng trong cột “Tổng điểm”. “Print (dataframe)” cuối cùng sẽ hiển thị dataframe trên màn hình.
Lần này, chúng tôi có được kết quả này. Hàm “Lambda” sẽ cung cấp một kết quả tuyệt vời khi được sử dụng trong một số cột. Chúng tôi chỉ định một cột mới “Total_marks” cho khung dữ liệu của chúng tôi bằng cách sử dụng phương pháp “chỉ định” để chúng tôi có thể hiển thị tổng kết quả của học sinh trong cột đó. Cuối cùng, chúng ta có thể thấy rằng cột 'Tổng điểm' hiển thị tổng kết quả cho cả ba môn học. Các con số cho tổng số cột của điểm được tính bằng cách cộng các giá trị từ ba cột bằng lambda “272”, “129”, “259” và “266”.
Sự kết luận
Trong ngôn ngữ lập trình Python, hàm lambda là một hàm một dòng, không tên, nhận một đối số và vô số tham số. Họ có thể đưa ra một số lập luận, nhưng chỉ một trong số chúng sẽ được thể hiện. Công việc lambda khôi phục một đối tượng dung lượng có thể được gán cho bất kỳ yếu tố nào và không thể chứa bất kỳ xác nhận nào. Trong trường hợp đầu tiên, “lambda” được sử dụng để xác định tỷ lệ phần trăm, và trong ví dụ thứ hai, “tổng điểm” cho học sinh được tính toán. Cú pháp, cách sử dụng và ví dụ về các hàm “lambda” điển hình được đề cập trong bài viết này.