理解复杂的单行代码--大商场销售数据集分析

Question

我一直在努力学习分析大商场的销售数据集从这个网站。我无法解码一行代码，这是有点复杂。我试着去理解它的神秘性，但我无法做到。请帮我理解这句话

In 26

df['Item_Visibility_MeanRatio'] = df.apply(lambda x: x['Item_Visibility']/visibility_item_avg['Item_Visibility'][visibility_item_avg.index == x['Item_Identifier']][0],axis=1).astype(float)

先谢谢你。快乐编码

Answer 1

df['Item_Visibility_MeanRatio'] 

这是新的列名

= df.apply(lambda x: 

将函数应用于数据帧

x['Item_Visibility'] 

从原始数据中获取Item_Visibility列

/visibility_item_avg['Item_Visibility'][visibility_item_avg.index == x['Item_Identifier']][0] 

除以新透视表中的Item_Visibility列，其中Item_Identifier等于原始数据table中的Item_Identifier

,axis=1) 

沿列(水平方向)应用

.astype(float) 

转换为浮动类型

而且，看起来.apply在您所附加的链接上使用了很多。应该注意的是，应用通常是一种缓慢的做事方式，而且通常会有避免使用apply的替代方法。

Answer 2

让我们一步一步地深入研究：

df['Item_Visibility_MeanRatio']

这一部分是在数据框架中创建一个列，它的名称是Item_Visibility_MeanRatio。

df.apply(lambda...)

沿数据帧的轴应用函数。

x['Item_Visibility']

它是从数据帧中的Item_Visibility列中获取数据。

visibility_item_avg['Item_Visibility'][visibility_item_avg.index == x['Item_Identifier']][0]

本部分发现visibility_item_avg索引等于df['Item_Identifier'].This的索引将导致列表。然后，它将得到visibility_item_avg['Item_Visibility']中的元素，该元素的索引与前一部分中的值相等。最后的[0] 是查找结果数组的第一个元素.

axis=1

1:将函数应用于每一行。

astype(float)

这是为了将值类型更改为浮动。为了使代码易于抓取，您始终可以将其拆分为各个部分，并一点一点地消化它。

为了使代码更快，您可以进行矢量化，而不是应用lambda。请参考链接这里。