Pandas搭配lambda组合使用详解

在Pandas中，我们可以使用lambda表达式对DataFrame进行高效的处理和变换。本文将介绍如何将Pandas和lambda表达式组合使用，以实现对数据的快速处理。

lambda表达式简介

lambda是Python中的一个关键字，用于定义匿名函数，也就是没有函数名的函数。语法如下：

lambda arguments: expression

其中，arguments为函数的参数，expression为函数的返回值。例如：

>>> f = lambda x: x*2
>>> f(3)
6

上面的代码等同于如下的函数定义操作：

def f(x):
  return x*2

Pandas结构简介

在学习Pandas和lambda组合使用前，我们先了解一下Pandas的结构。Pandas是一个数据处理库，其最基本的结构是Series和DataFrame。

Series是一维的数据结构，类似于列表，但有着更强大的操作能力。DataFrame是二维的数据结构，可以理解为由多个Series组成的表格。下面我们将用一个具体的样例来说明Pandas的基本操作和结构。

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 47],
    'gender': ['F', 'M', 'M', 'M']
}
df = pd.DataFrame(data)
print(df)

输出结果如下：

       name  age gender
0     Alice   25      F
1       Bob   32      M
2   Charlie   18      M
3     David   47      M

可以看到，这是一个由三个Series组成的DataFrame，每一列代表一种特征。

Pandas和lambda组合使用示例

下面我们将介绍两个示例，展示如何使用lambda表达式对Pandas数据进行变换。

示例1：对一列进行逐元素变换

假设我们要对年龄列进行如下的变换：将年龄小于20岁的改为少年，年龄大于40岁的改为中老年，年龄在20到40岁之间的不变。

我们可以使用如下的lambda表达式和apply方法实现：

df['age'] = df['age'].apply(lambda x: '青年' if 20 <= x <= 40 else ('少年' if x < 20 else '中老年'))
print(df)

输出结果如下：

       name    age gender
0     Alice     青年      F
1       Bob     青年      M
2   Charlie     少年      M
3     David  中老年    M

示例2：对多列进行逐行变换

假设我们要对每一行的年龄和性别进行如下的变换：将男性的年龄加3岁，女性的年龄加2岁。

我们可以使用如下的lambda表达式和apply方法实现：

df[['age','gender']] = df.apply(lambda x: pd.Series([x['age']+3 if x['gender']=='M' else x['age']+2, x['gender']]), axis=1)
print(df)

输出结果如下：

       name  age gender
0     Alice   27      F
1       Bob   35      M
2   Charlie   20      M
3     David   50      M

通过上面两个示例的讲解，我们可以看到使用Pandas和lambda表达式组合使用可以大大地提高数据的处理效率，特别是在需要对数据进行逐元素或逐行变换的场景下。