Introducción
El método pipe() del DataFrame de Pandas nos permite aplicar un método o múltiples métodos a todo el DataFrame de manera secuencial. Esto puede ser un método definido por el usuario o un método integrado. El método pipe() aplica el método(s) especificado(s) a cada elemento, fila o columna individual del DataFrame.
Consejos sobre la VM
Una vez finalizada la inicialización de la VM, haga clic en la esquina superior izquierda para cambiar a la pestaña Cuaderno y acceder a Jupyter Notebook para practicar.
A veces, es posible que tenga que esperar unos segundos a que Jupyter Notebook termine de cargarse. La validación de las operaciones no se puede automatizar debido a las limitaciones de Jupyter Notebook.
Si tiene problemas durante el aprendizaje, no dude en preguntar a Labby. Deje sus comentarios después de la sesión y lo resolveremos rápidamente para usted.
Importar las bibliotecas necesarias
Para utilizar el método pipe(), necesitamos importar la biblioteca pandas como pd.
import pandas as pd
Definir un método definido por el usuario (opcional)
Si desea aplicar un método definido por el usuario, debe definirl o antes de utilizar el método pipe(). Este método se aplicará al DataFrame.
def add(x):
return x + 1
Crear un DataFrame
A continuación, cree un DataFrame en el que desee aplicar el método pipe(). Esto se puede hacer pasando un diccionario a la función pd.DataFrame().
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
Aplicar el método pipe()
Ahora, podemos aplicar el método pipe() al DataFrame. Esto se puede hacer llamando al método pipe() en el objeto DataFrame y pasando el método (definido por el usuario o integrado) como argumento.
df.pipe(add)
Resumen
En este laboratorio, aprendimos cómo utilizar el método pipe() del DataFrame de pandas para aplicar un método o múltiples métodos a todo el DataFrame. Vimos cómo definir un método definido por el usuario y aplicarlo al DataFrame utilizando el método pipe(). Con este método, podemos aplicar eficientemente un método a cada elemento, fila o columna del DataFrame.