la-funcion-lambda.md

La función Lambda

La función lambda es una forma de definir una función en una sola línea de código. Usualmente se la asignamos a una variable

add_two = lambda my_input: my_input + 2

print(add_two(3)) #5
print(add_two(100)) # 102
print(add_two(-2)) # 0

¿Como trabaja?:

• la función es guardada en una variable llamada add_two
• lambda declara que esta es una función lambda (es como declarar el def de la función normal de python)
• my_input es lo que pasamos como parámetro de la función
• my_input + 2 es lo que crearemos con el return

mylambda = lambda x: (x * 2) + 3

print(mylambda(5)) #13

la función lambda funciona con todo tipo de variables no solo con integers!

stringlambda = lambda x: x.lower()

print(stringlambda("Hola Mundo!")) # hola mundo!

Sentencias if con Lambda

Podemos hacer los lambdas más complejos usando una forma modificada de la sentencia if. Supongamos que queremos pagar a los trabajadores medio tiempo por las horas extras (cualquier trabajo de más de 40 horas por semana). la siguiente función convertirá el número de horas en medio tiempo utilizando una sentencia if

hagamos primero el ejercicio con una función "normal" de python

def myfunction(x):
    if x > 40:
        return 40 + (x - 40) * 1.50
    else:
        return x

print(myfunction(43)) #44.5

Hagamos lo mismo, pero ahora con la función Lambda de python

myfunction = lambda x: 40 + (x - 40 ) * 1.50 if x > 40 else x

print(myfunction(43)) #44.5

En términos generales la sintaxis es la siguiente:

variable = lambda x: [SALIDA SI ES TRUE] if [CONDICIONAL] else [SALIDA SI ES FALSE]

Aplicando Lambda a una columna

En pandas normalmente usamos lambdas para correr funciones complejas sobre columnas. Tenemos este dataframe:

df = pd.DataFrame([
    ['JHON SMITH', '[email protected]'],
    ['jane Doe', '[email protected]'],
    ['Jos schomo', '[email protected]']
],
columns=['Name', 'Email'])

Ahora supongamos que queremos crear una columna que contenga el proveedor del email de cada email address. recuerde que para esto podemos usar el método split de python. Algo como esto: ('[email protected]').split('@')[-1] y retornará 'gmail.com', o sea el proveedor de email. Queremos hacer esta operación sobre cada elemento de una columna de pandas.

df['Email Provider'] = df.Email.apply(
    lambda x: x.split('@')[-1]
)

print(df)

#     Name                 Email Email Provider
# 0  JHON SMITH  [email protected]      gmail.com
# 1    jane Doe        [email protected]      yahoo.com
# 2  Jos schomo       [email protected]    outlook.com

Aplicando lambdas en una fila

También podemos hacer operaciones sobre múltiples columnas a la vez. Si usamos apply sin especificar una columna y añadimos el argumento axis=1 el input a la función lambda será la fila completa no una columna. Recordemos que para acceder a los valores de una fila usamos la sintaxis row.colum_name o row["column_name"]

df = pd.DataFrame([
    ['Manzana', 1.00, 'No'],
    ['Leche', 4.20, 'No'],
    ['Papel', 5.00, 'Yes'],
    ['Bombilla', 3.75, 'Yes']
],
columns =['Item', 'Price', 'Is taxed?'])

Queremos añadir el precio con los impuestos por cada fila, necesitaremos revisar dos columnas: price e Is taxed?

• Si Is taxed? es Yes, lo multiplicamos por 7.5% (1.075)
• Si Is taxed? es No, dejamos el precio sin multiplicar

df['Price with Tax'] = df.apply(
    lambda row: row['Price'] * 1.075 if row['Is taxed?'] == 'Yes' else row['Price'],
    axis = 1
)

print(df)

#     Item  Price Is taxed?  Price with Tax
# 0   Manzana   1.00        No         1.00000
# 1     Leche   4.20        No         4.20000
# 2     Papel   5.00       Yes         5.37500
# 3  Bombilla   3.75       Yes         4.03125