পাইথনে পান্ডাজ ডেটাফ্রেমের প্রতিটি সطرে ফাংশন প্রয়োগ করা

এই টিউটোরিয়ালে আমরা পান্ডাজ ডেটাফ্রেমের apply() মেথডের ব্যবহার শিখব, যা প্রতিটি সтрোকে একটি ফাংশন প্রয়োগ করতে সাহায্য করে।

apply() মেথড

যদি আমরা প্রতিটি সারির মানগুলো নিয়ে কোনো ক্যালকুলেশন করে নতুন কলাম যোগ করতে চাই, তবে apply() খুব কার্যকর। নিচে বিভিন্ন উদাহরণ দেওয়া হলো।

উদাহরণ ১: কাস্টম ফাংশন ব্যবহার

import pandas as pd

# গুন করার ফাংশন
def multiply(x, y):
    return x * y

# ডেটাফ্রেমের ডেটা
data = {
    'Maths': [10, 34, 53],
    'Programming': [23, 12, 43]
}
data_frame = pd.DataFrame(data)

print('--------------------Before------------------')
print(data_frame)
print()

# apply() ব্যবহার করে নতুন কলাম যোগ
# axis=1 মানে সারি অনুযায়ী অপারেশন
data_frame['Multiply'] = data_frame.apply(lambda row: multiply(row['Maths'], row['Programming']), axis=1)

print('--------------------After------------------')
print(data_frame)

আউটপুট

--------------------Before------------------
   Maths  Programming
0     10           23
1     34           12
2     53           43
--------------------After------------------
   Maths  Programming  Multiply
0     10           23       230
1     34           12       408
2     53           43      2279

উদাহরণ ২: বিল্ট-ইন sum ফাংশন ব্যবহার

import pandas as pd

data = {
    'Maths': [10, 34, 53],
    'Programming': [23, 12, 43]
}
data_frame = pd.DataFrame(data)

print('--------------------Before------------------')
print(data_frame)
print()

# বিল্ট-ইন sum ফাংশন
data_frame['Sum'] = data_frame.apply(sum, axis=1)

print('--------------------After------------------')
print(data_frame)

আউটপুট

--------------------Before------------------
   Maths  Programming
0     10           23
1     34           12
2     53           43
--------------------After------------------
   Maths  Programming  Sum
0     10           23   33
1     34           12   46
2     53           43   96

উদাহরণ ৩: numpy ফাংশন ব্যবহার

import pandas as pd
import numpy as np

data = {
    'Maths': [10, 34, 53],
    'Programming': [23, 12, 43]
}
data_frame = pd.DataFrame(data)

print('--------------------Before------------------')
print(data_frame)
print()

# numpy.sum ফাংশন
data_frame['Sum'] = data_frame.apply(np.sum, axis=1)

print('--------------------After------------------')
print(data_frame)

আউটপুট

--------------------Before------------------
   Maths  Programming
0     10           23
1     34           12
2     53           43
--------------------After------------------
   Maths  Programming  Sum
0     10           23   33
1     34           12   46
2     53           43   96

উপসংহার

apply() মেথড ব্যবহার করে ডেটাফ্রেমের প্রতিটি সতরে কাস্টম, বিল্ট-ইন বা নামপাই ফাংশন প্রয়োগ করা যায়। প্রশ্ন থাকলে কমেন্ট করুন।