Как лямбда-функция может быть использована в обработке данных при работе с pandas?

В Pandas лямбда-функции особенно полезны для кратких и простых операций с данными, которые можно применить ко всему DataFrame или Series без необходимости определять отдельную функцию.

Примеры использования:

• Преобразование значений в Series:

  Лямбда-функции позволяют быстро преобразовывать значения в столбце (Series). Например, преобразовать значения температуры из градусов Цельсия в Фаренгейты:

  
  import pandas as pd
  
  data = {'Температура_C': [20, 25, 30, 22]}
  df = pd.DataFrame(data)
  
  df['Температура_F'] = df['Температура_C'].apply(lambda x: (x * 9/5) + 32)
  print(df)
        

• Применение к нескольким столбцам (DataFrame):

  Можно применять лямбда-функции к каждой строке DataFrame, используя метод apply с параметром axis=1. Это позволяет выполнять операции, зависящие от значений нескольких столбцов в каждой строке:

  
  import pandas as pd
  
  data = {'Имя': ['Alice', 'Bob', 'Charlie'], 'Возраст': [25, 30, 28], 'Зарплата': [50000, 60000, 55000]}
  df = pd.DataFrame(data)
  
  df['Бонус'] = df.apply(lambda row: row['Зарплата'] * 0.1 if row['Возраст'] > 27 else row['Зарплата'] * 0.05, axis=1)
  print(df)
        

• Фильтрация данных:

  Лямбда-функции можно использовать для фильтрации DataFrame, создавая булевы маски на основе условий. Например, выбрать все строки, где значение в столбце 'Возраст' больше 25:

  
  import pandas as pd
  
  data = {'Имя': ['Alice', 'Bob', 'Charlie'], 'Возраст': [25, 30, 28]}
  df = pd.DataFrame(data)
  
  df_filtered = df[df['Возраст'].apply(lambda x: x > 25)]
  print(df_filtered)
        

• Замена значений:

  Лямбда-функции можно использовать вместе с replace для условной замены значений. Например, заменить все значения меньше 0 на 0:

  
  import pandas as pd
  
  data = {'Значения': [-1, 5, -3, 2]}
  df = pd.DataFrame(data)
  
  df['Значения'] = df['Значения'].replace(lambda x: x if x >= 0 else 0, regex=True)
  print(df)
        

• Работа со строками:

  Лямбда-функции очень удобны для операций со строковыми данными, например, для извлечения части строки или применения функций форматирования:

  
  import pandas as pd
  
  data = {'ФИО': ['Иванов Иван Иванович', 'Петров Петр Петрович', 'Сидоров Сидор Сидорович']}
  df = pd.DataFrame(data)
  
  df['Фамилия'] = df['ФИО'].apply(lambda x: x.split()[0])
  print(df)
        

Преимущества использования:

• Краткость: Лямбда-функции позволяют записывать простые операции в одну строку кода.
• Удобство: Они избавляют от необходимости определять отдельные функции для простых преобразований.
• Читаемость (при правильном использовании): В простых случаях лямбда-функции улучшают читаемость кода, делая его более лаконичным.

Важно помнить: Для более сложных операций рекомендуется определять именованные функции, чтобы код оставался читаемым и поддерживаемым. Чрезмерное использование лямбда-функций может ухудшить читаемость кода.