【polars】apply：データフレームの要素処理【繰り返し処理】

こんにちは，shun（@datasciencemore）です！！

今回はapply（データフレームの要素処理）について学習していきます。

applyは，今まで見てきたように行処理だけでなく、各要素に対して関数を適用することもできます。

イメージとしてはこのようになります。

０．準備
１．apply（データフレームの要素処理）の基本
２．apply（データフレームの要素処理）とlambda式
まとめ
次回

０．準備

# パッケージ読み込み
import numpy as np
import polars as pl
import seaborn as sns

# データフレームの表示行数を指定
pl.Config.set_tbl_rows(5)

# データ読み込みと列選択
df = pl\
.from_pandas(sns.load_dataset("diamonds"))\
.select("x", "y")

# パッケージ読み込み

import numpy as np

import polars as pl

import seaborn as sns

# データフレームの表示行数を指定

pl.Config.set_tbl_rows(5)

# データ読み込みと列選択

df = pl\

.from_pandas(sns.load_dataset("diamonds"))\

.select("x", "y")

１．apply（データフレームの要素処理）の基本

例えば，以下のデータフレームと関数を考えます．

データフレーム：df（ダイヤモンドデータ）のx列，y列

関数：数値を100倍する．

このデータフレームと関数をapplyに適用すると，このようなデータフレームを出力します．

# 関数
# 各要素を100倍
def func(x):
    return x*100

# apply適用
df.select(pl.all().apply(func))

# 関数

# 各要素を100倍

def func(x):

return x*100

# apply適用

df.select(pl.all().apply(func))

２．apply（データフレームの要素処理）とlambda式

apply（データフレームの要素処理）はlambda式と相性が良いです．

今まで説明したように，関数を定義してapplyを適用する方法でもいいですが，簡単な処理であればlambda式を使用することのほうが多いです．

ちなみに今まで説明してきませんでしたが，シリーズの行処理やデータフレームの行処理でもlambda式を使用することはできます．

ただシリーズの行処理やデータフレームの行処理でlambda式を使用する頻度はデータフレームの要素処理よりも少ないです．

# apply適用 lambda式
df.select(pl.all().apply(lambda x:x*100))

1 2	# apply適用 lambda式 df.select(pl.all().apply(lambda x:x*100))

まとめ

今回はapply（データフレームの要素処理）について学習してきました．

apply（データフレームの要素処理）の基本
apply（データフレームの要素処理）とlambda式

apply（データフレームの要素処理）は，apply（シリーズの行処理）、apply（データフレームの行処理）に劣りますが，それでも時々使用します．

油断しないでしっかりマスターしましょう．

さて，これで繰り返し処理について終了です！

次回から欠損値処理について学習していく予定です！

それでは，お疲れさまでした！！

次回

: 【polars】概要【欠損値処理】
こんにちは，shun（@datasciencemore）です！！これからしばらくpolarsの欠損値処理について，学習していきます．今回はこれから学習していくpolarsの欠損値処理の概要について ...