apply lambda 식으로 데이터 가공¶

칼럼에 일괄적으로 데이터 가공을 하는 것이 속도 면에서 빠르고 복잡한 데이터 가공이 필요할 경우 이용

In [2]:

def get_square(a):
    return a**2

print('3의 제곱은:', get_square(3))

3의 제곱은: 9

lambda는 이런 함수 선언과 함수 내의 처리를 한 줄의 식으로 쉽게 변환하는 식임

: 로 입력 인자와 반환될 입력 인자의 계산식(반환값)을 분리함

여러 개의 값을 입력 인자로 사용해야 할 때, map( )함수과 같이 씀

In [3]:

lambda_square = lambda x : x ** 2
print('3의 제곱은:', lambda_square(3))

3의 제곱은: 9

In [5]:

a = [1, 2, 3]
squares = map(lambda x : x ** 2, a)
list(squares)

Out[5]:

[1, 4, 9]

DataFrame의 apply에 lambda 적용하기

In [7]:

import pandas as pd
titanic_df = pd.read_csv('./titanic_train.csv')

titanic_df['Name_len'] = titanic_df['Name'].apply(lambda x : len(x))
titanic_df[['Name', 'Name_len']].head(3)

Out[7]:

	Name	Name_len
0	Braund, Mr. Owen Harris	23
1	Cumings, Mrs. John Bradley (Florence Briggs Th...	51
2	Heikkinen, Miss. Laina	22

In [8]:

# if-else 문으로 좀 더 복잡하게 가공하기
titanic_df['Child_Adult'] = titanic_df['Age'].apply(lambda x : 'Child' if x <= 15 else 'Adult')
titanic_df[['Age', 'Child_Adult']].head(3)

Out[8]:

	Age	Child_Adult
0	22.0	Adult
1	38.0	Adult
2	26.0	Adult

주의!! if문보다 반환값을 더 먼저 써야 함, : 기호 뒤에 반환값이 있어야 하기 때문

if-else 만 지원하고 if-elif-else는 지원하지 않음

else if를 쓰고 싶으면 else 절을 ()안에 넣고 그 안에서 다시 if else 적용

In [12]:

titanic_df['Age_Cat'] = titanic_df['Age'].apply(lambda x : 'Child' if x <= 15 else ('Adult' if x <= 60 else 'Elderly' ))
titanic_df['Age_Cat'].value_counts()

Out[12]:

Adult      609
Elderly    199
Child       83
Name: Age_Cat, dtype: int64

In [13]:

# 계속 else문에 내포해서 쓰기 어렵기 때문에 별도의 함수를 만들어줌
def get_category(age):
    cat = ''
    if age <= 5 : cat = 'Baby'
    elif age <= 12 : cat = 'Child'
    elif age <= 18 : cat = 'Teenager'
    elif age <= 25 : cat = 'student'
    elif age <= 35 : cat = 'Young Adult'
    elif age <= 60 : cat = 'Adult'
    else : cat = 'Elderly'
        
    return cat

# get_category()함수를 반환값으로 지정
# get_category는 입력값으로 'Age'칼럼을 받아서 해당하는 cat 반환
titanic_df['Age_Cat'] = titanic_df['Age'].apply(lambda x : get_category(x))
titanic_df[['Age', 'Age_Cat']].head()

Out[13]:

	Age	Age_Cat
0	22.0	student
1	38.0	Adult
2	26.0	Young Adult
3	35.0	Young Adult
4	35.0	Young Adult

판다스 pandas (7) - lambda, apply, map

apply lambda 식으로 데이터 가공¶