در این مطلب، ویدئو نحوه استفاده از applicationmap() در Pandas (Python) با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:03:58
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:02,080 –> 00:00:03,520
در این ویدیو ما می خواهیم یاد بگیریم که
2
00:00:03,520 –> 00:00:04,319
چگونه از
3
00:00:04,319 –> 00:00:07,440
تابع application map در پانداها استفاده کنیم و
4
00:00:07,440 –> 00:00:09,679
با بارگیری در پانداها و
5
00:00:09,679 –> 00:00:11,280
مجموعه داده ای که با آن کار می کند، در اینجا شروع می کنیم،
6
00:00:11,280 –> 00:00:14,160
اکنون کاری که تابع application map انجام می دهد این است
7
00:00:14,160 –> 00:00:16,480
که روی فریم های داده کار می کند
8
00:00:16,480 –> 00:00:19,600
و یک تابع را برای هر
9
00:00:19,600 –> 00:00:20,160
10
00:00:20,160 –> 00:00:22,480
عنصر قاب داده اعمال می کند، به
11
00:00:22,480 –> 00:00:23,760
عنوان مثال با این قاب داده ای که در
12
00:00:23,760 –> 00:00:25,519
اینجا داریم، همه این
13
00:00:25,519 –> 00:00:28,240
مقادیر مختلف را داریم، نقشه را اعمال می کنیم، یک
14
00:00:28,240 –> 00:00:29,039
تابع
15
00:00:29,039 –> 00:00:32,960
و عنصر را بر روی هر مقدار اجرا می
16
00:00:32,960 –> 00:00:35,280
کنیم. کل این قاب داده و سپس
17
00:00:35,280 –> 00:00:36,239
بازگرداندن
18
00:00:36,239 –> 00:00:38,480
یک قاب داده با هر نتیجه ای
19
00:00:38,480 –> 00:00:40,079
که از اجرای آن تابع در
20
00:00:40,079 –> 00:00:43,680
حال حاضر حاصل می شود، زیرا فریم های داده اغلب دارای داده هایی از
21
00:00:43,680 –> 00:00:46,079
انواع مختلف در ستون های مختلف هستند.
22
00:00:46,079 –> 00:00:48,480
23
00:00:48,480 –> 00:00:50,239
24
00:00:50,239 –> 00:00:53,120
به این دلیل است که شما مجبور خواهید بود
25
00:00:53,120 –> 00:00:54,079
26
00:00:54,079 –> 00:00:57,120
تابعی را اجرا کنید که در واقع می
27
00:00:57,120 –> 00:00:59,280
تواند بر روی انواع داده های شما در
28
00:00:59,280 –> 00:01:00,239
ستون های شما اجرا
29
00:01:00,239 –> 00:01:01,760
شود، به عنوان مثال در این مورد، ما
30
00:01:01,760 –> 00:01:03,840
تعدادی اعداد در برخی از ستون ها داریم، اما
31
00:01:03,840 –> 00:01:05,438
تعدادی رشته کاراکتر نیز داریم،
32
00:01:05,438 –> 00:01:07,840
بنابراین اگر w e میخواست تابعی را که
33
00:01:07,840 –> 00:01:09,439
فقط روی اعداد کار میکند
34
00:01:09,439 –> 00:01:11,520
به نقشه اعمال میکند که در
35
00:01:11,520 –> 00:01:12,720
اینجا خطایی ایجاد میکند،
36
00:01:12,720 –> 00:01:15,439
زیرا میتواند در این ستون اعمال شود، اما این
37
00:01:15,439 –> 00:01:16,080
ستونها
38
00:01:16,080 –> 00:01:18,320
رشتههایی هستند، بنابراین روی آن کار نمیکنند،
39
00:01:18,320 –> 00:01:20,240
بنابراین باید مطمئن شویم که این تابع را ارسال میکنیم.
40
00:01:20,240 –> 00:01:22,159
تابعی که در واقع
41
00:01:22,159 –> 00:01:24,799
روی اعداد و رشتهها کار میکند، بنابراین در
42
00:01:24,799 –> 00:01:26,240
زیر تابعی را تعریف کردهام
43
00:01:26,240 –> 00:01:28,400
که باید روی اعداد یا
44
00:01:28,400 –> 00:01:29,280
45
00:01:29,280 –> 00:01:32,000
46
00:01:32,000 –> 00:01:33,680
47
00:01:33,680 –> 00:01:35,439
48
00:01:35,439 –> 00:01:36,880
رشتهها کار کند. اساساً
49
00:01:36,880 –> 00:01:38,640
این اعداد به رشته تبدیل می شوند
50
00:01:38,640 –> 00:01:40,000
و سپس
51
00:01:40,000 –> 00:01:41,840
طول هر
52
00:01:41,840 –> 00:01:44,560
شیء که باشد را بررسی می کند تا بتوانیم این تابع را تعریف کنیم
53
00:01:44,560 –> 00:01:47,119
و اگر آن را برای اعمال نقشه بر روی
54
00:01:47,119 –> 00:01:48,000
قاب داده خود بگذرانیم
55
00:01:48,000 –> 00:01:49,600
، یک قاب داده را برمی گردانیم که
56
00:01:49,600 –> 00:01:50,880
فقط طول همه این ورودی های مختلف،
57
00:01:50,880 –> 00:01:51,520
58
00:01:51,520 –> 00:01:53,640
بنابراین ما می خواهیم بگوییم داده که dataframe ما است.
59
00:01:53,640 –> 00:01:54,960
60
00:01:54,960 –> 00:01:56,719
applymap ما می خواهیم به نام
61
00:01:56,719 –> 00:01:58,079
تابع خود برای اعمال نقشه ارسال کنیم
62
00:01:58,079 —