Funciones más complejas y lambdas

Además de apply, también se pueden usar las funciones applymap y map, dependiendo de la necesidad.

• apply() se utiliza para aplicar una función a lo largo de un eje (columna o fila).
• applymap() se usa para aplicar una función a todos los elementos del DataFrame
• map() se usa para sustituir cada valor de una fila por otro valor.

Un ejemplo del uso de map() sería:

Las funciones lambda son explicadas en curso de python intermedio, deben darle una revisada :'v

Mucho conocimiento en una sola clase, excelente curso

De esta clase reafirme un dicho bastante viejo que dice … hay muchos caminos para llegar al mismo lugar, y es cierto, todo va a depender de lo que se requiera hacer y como aplicarlos a nuestro favor, un ejemplo, calcular la diferencia de temperatura:

1. df_lmerged0.apply(lambda x : x[‘t1’] - x[‘t2’], axis = 1)
2. df_lmerged0[‘t1’]-df_lmerged0[‘t2’]

Una manera más sencilla de calcular estadísticos como la media de cada columna

df.mean()

• axis 0 significa que hará operaciones a todas las filas de cada columna
• axis 1 significa que hara operaciones en todas las columnas de cada fila

Algo curioso que encontré en esta linea es que si ponemos el 1 después de (:)

df = df_lmerged.iloc[:,:1]
df

en vez de eliminar la primera columna, borra todas las columnas y deja solo la primera 😉
👾

Les dejo este articulo que me sirvió para entender las funciones lambdas Enlace Articulo

El script con diferentes ejemplos de esta clase,
espero que les sea de ayuda

Esta clase se vuelve muy sensilla si ya has tomado con anterioridad el Curso de Python Intermedio

👾🧮

Lambdas para funciones complejas aplicadas en python con muy buenos ejemplos que si vamos a utilizar en nuestros proyectos
¡Gracias David!

¿Qué vamos aprender en esta clase?

Vamos aprender a como usar funciones mas avanzadas nuestro DataFrame usando apply y lamda.

Muy practico el curso vamos realmente bien

Muchas herramientas nuevas muy bien explicadas. Gran curso.

Aplicar funciones a un Dataframe

la siguiente línea me ha impresionado!!!

df[‘hora’].apply(func_1)

Es mi impresión o en este caso axis = 1,0 se usa de manera inversa a lo que vimos en el apartado de .drop(…)?
o estoy confundido?

En el curso de python intermedio se explica el tema de lambda sin embargo lo he comprendido much better…

Excelente! Las funciones Lambda parecen extremadamente utiles y practicas al momento de manipular los datos.

Excelente contenido!!
Muy práctico.

que buen recorrido por las funciones

doesn’t every function need a name?

Para los que quieran ver más sobre lambda expressions en este canal:
https://www.youtube.com/watch?v=25ovCm9jKfA

Excelente curso y gran contenido, sugiero usar la velocidad 0.85x

Entendido

En el minuto 4:10 aprox se le asignan los mismos nombres a las variables dentro del .apply(), es decir a y b porque dentro de la funcion fun_2 se llamaro asi y debe coincidir con el mismo nombre de la variable local o se podria introducir cualqueir nombre para esas variables en el .apply()

muy práctico todo

super interesante esta clase