Tópico 9 – Funções e Apply

Vamos aprender sobre funções Python e como aplicar as mesmas em DataFrame.

Resultados Esperados

1. Entender como definir funções def
2. Entender como aplicar funções em DataFrames (apply)

Material Adaptado do DSC10 (UCSD)

#In: 
import babypandas as bpd
import matplotlib.pyplot as plt
import numpy as np
plt.style.use('ggplot')

Agenda

• Funções.
• Aplicando funções a DataFrames.
• Exemplo: Nomes de alunos.

Funções

Definindo funções

• Aprendemos bastante como fazer em Python:
• Manipular arrays, séries e DataFrames.
• Execute operações em strings.
• Crie visualizações.
• Mas até agora, estamos restritos ao uso de funções existentes (por exemplo, max, np.sqrt, len) e métodos (por exemplo, .groupby, .assign, .plot).

Motivação

Suponha que você dirija até um restaurante 🥘 em Ouro Preto, localizado a exatamente 100 quilômetros de distância.

• Nos primeiros 80 quilômetros, você dirige a 80 quilômetros por hora.

• Nos últimos 20 quilômetros, você dirige a 60 quilômetros por hora.

• Pergunta: Qual é a sua velocidade média durante a viagem?

• 🚨 A resposta não é 70 quilômetros por hora! Você precisa usar o fato de que $\text{velocidade} = \frac{\text{distancia}}{\text{tempo}}$.

\[\text{velocidade média} = \frac{\text{distância}}{\text{tempo}} = \frac{80 + 20}{\text{tempo}_1 + \text{tempo}_2} \text { km por hora}\]

No segmento 1, quando você dirigiu 80 quilômetros a 80 quilômetros por hora, você dirigiu por $\frac{80}{80}$ horas:

\[\text{velocidade}_1 = \frac{\text{distância}_1}{\text{tempo}_1}\] \[80 \text{ km por hora} = \frac{80 \text{ km}}{\text{time}_1} \implies \text{time}_1 = \frac{80}{80} \text{ horas} = 1\]

Da mesma forma, no segmento 2, quando você dirigiu 20 quilômetros a 60 quilômetros por hora, você dirigiu por $\text{time}_2 = \frac{20}{60} \text{ horas} = \frac{1}{3} horas$.

Então,

\[\text{velocidade média} = \frac{80 + 20}{\frac{1}{1} + \frac{1}{3}} \text{ km por hora}\] \[\begin{align*}\text{velocidade média} &= 100 \cdot \frac{1}{\frac{1}{1} + \frac{1}{3}} \text{ km por hora} \\ &= 100 \frac{1}{\frac{3 + 1}{3}} \\ &= 100 \frac{3}{4} \\ &= 75 \text{ km por hora}\end{align*}\]

Exemplo: média harmônica

A média harmônica ($\text{HM}$) de dois números positivos, $a$ e $b$, é definida como

\[\text{HM} = \frac{2}{\frac{1}{a} + \frac{1}{b}}\]

Geralmente é usado para encontrar a média de múltiplas taxas.

Encontrar a média harmônica de 80 e 60 não é difícil:

#In: 
2 / (1 / 1 + 1 / 3)

1.5

Mas e se quisermos determinar a média harmónica de 80 e 70? 80 e 90? 20 e 40? Isso exigiria muito copiar e colar, o que é propenso a erros.

Acontece que podemos definir nossa própria função de “média harmônica” **apenas uma vez e reutilizá-la várias vezes.

#In: 
def harmonic_mean(a, b):
    return 2 / (1 / a + 1 / b)

#In: 
harmonic_mean(1, 3)

1.5

#In: 
harmonic_mean(1, 5)

1.6666666666666667

Observe que só tivemos que especificar como calcular a média harmônica uma vez!

Funções

Funções são uma forma de dividir nosso código em pequenas subpartes para evitar que escrevamos código repetitivo. Cada vez que definirmos nossa própria função em Python, usaremos o seguinte padrão.

#In: 
from IPython.display import display, IFrame
def show_def():
    src = "https://docs.google.com/presentation/d/e/2PACX-1vRKMMwGtrQOeLefj31fCtmbNOaJuKY32eBz1VwHi_5ui0AGYV3MoCjPUtQ_4SB1f9x4Iu6gbH0vFvmB/embed?start=false&loop=false&delayms=60000"
    width = 960 
    height = 569
    display(IFrame(src, width, height))
show_def()

Funções são “receitas”

• As funções recebem entradas, conhecidas como argumentos, fazem algo e produzem algumas saídas.
• A beleza das funções é que você não precisa saber como elas são implementadas para usá-las!
• Esta é a premissa da ideia de abstração na ciência da computação – você ouvirá muito sobre isso no DSC 20.

#In: 
harmonic_mean(1, 1)

1.0

#In: 
harmonic_mean(1, 3)

1.5

#In: 
harmonic_mean(1, 2)

1.3333333333333333

Parâmetros e argumentos

triple tem um parâmetro, x.

#In: 
def triple(x):
    return x * 3

Quando chamamos triple com o argumento 5, você pode fingir que há uma primeira linha invisível no corpo de triple que diz x = 5.

#In: 
triple(5)

15

Observe que os argumentos podem ser de qualquer tipo!

#In: 
triple('triton')

'tritontritontriton'

Funções podem receber 0 ou mais argumentos

As funções podem ter qualquer número de argumentos. Até agora, criamos uma função que leva dois argumentos – harmonic_mean – e uma função que leva um argumento – triple.

saudação não aceita argumentos!

#In: 
def greeting():
    return 'Hi! 👋'

#In: 
greeting()

'Hi! 👋'

As funções não são executadas até que você as chame!

O corpo de uma função não é executado até que você use (call) a função.

Aqui, podemos definir where_is_the_error sem ver uma mensagem de erro.

#In: 
def where_is_the_error(something):
    '''You can describe your function within triple quotes. For example, this function 
    illustrates that errors don't occur until functions are executed (called).'''
    return (1 / 0) + something

Somente quando chamamos where_is_the_error que o Python nos dá uma mensagem de erro.

#In: 
where_is_the_error(5)

---------------------------------------------------------------------------

ZeroDivisionError                         Traceback (most recent call last)

Cell In[16], line 1
----> 1 where_is_the_error(5)


Cell In[15], line 4, in where_is_the_error(something)
      1 def where_is_the_error(something):
      2     '''You can describe your function within triple quotes. For example, this function 
      3     illustrates that errors don't occur until functions are executed (called).'''
----> 4     return (1 / 0) + something


ZeroDivisionError: division by zero

Exemplo: primeiro_nome

Vamos criar uma função chamada first_name que recebe o nome completo de alguém e retorna seu primeiro nome. Um exemplo de comportamento é mostrado abaixo.

>>> first_name('Flavio Figueiredo')
'Flavio'

Dica: Use o método string .split.

Estratégia geral para escrever funções:

1. Primeiro, tente fazer com que o comportamento funcione em um único exemplo.
2. Em seguida, encapsule esse comportamento dentro de uma função.

#In: 
'Flavio Figueiredo'.split(' ')[0]

'Flavio'

#In: 
def first_name(full_name):
    '''Returns the first name given a full name.'''
    return full_name.split(' ')[0]

#In: 
first_name('Flavio Figueiredo')

'Flavio'

#In: 
# What if there are three names?
first_name('Mestre Flavio Figueiredo')

'Mestre'

Retornando

• A palavra-chave return especifica qual deve ser a saída da sua função, ou seja, como será avaliada uma chamada para a sua função.
• A maioria das funções que escrevemos usará return, mas usar return não é obrigatório.
• Tenha cuidado: print e return funcionam de forma diferente!

#In: 
def pythagorean(a, b):
    '''Computes the hypotenuse length of a triangle with legs a and b.'''
    c = (a ** 2 + b ** 2) ** 0.5
    print(c)

#In: 
x = pythagorean(3, 4)

5.0

#In: 
# No output – why?
x

#In: 
# Errors – why?
x + 10

---------------------------------------------------------------------------

TypeError                                 Traceback (most recent call last)

Cell In[24], line 2
      1 # Errors – why?
----> 2 x + 10


TypeError: unsupported operand type(s) for +: 'NoneType' and 'int'

#In: 
def better_pythagorean(a, b):
    '''Computes the hypotenuse length of a triangle with legs a and b, and actually returns the result.'''
    c = (a ** 2 + b ** 2) ** 0.5
    return c

#In: 
x = better_pythagorean(3, 4)
x

5.0

#In: 
x + 10

15.0

Retornando

Depois que uma função executa uma instrução return, ela para de funcionar.

#In: 
def motivational(quote):
    return 0
    print("Uma frase motivacional:", quote)

#In: 
motivational('Caia sete vezes e se levante oito.')

0

Escopo 🩺

Os nomes que você escolhe para os parâmetros de uma função são conhecidos apenas por essa função (conhecido como escopo local). O restante do seu notebook não é afetado pelos nomes dos parâmetros.

#In: 
def what_is_awesome(s):
    return s + ' is awesome!'

#In: 
what_is_awesome('data science')

'data science is awesome!'

#In: 
# descomente para ver o erro
# s

#In: 
s = 'FCD'

#In: 
what_is_awesome('data science')

'data science is awesome!'

Aplicando funções a DataFrames

Dados dos alunos de FCD

A df do DataFrame contém os nomes de todos os alunos matrículados em FCD.

#In: 
nomes = 'ANNY \
ARTHUR \
ARTHUR \
CAIO \
CAROLINA \
CLARA \
DANIELLE \
EDUARDO \
EDUARDO \
EMANUEL \
ENZO \
FELIPE \
FELIPE \
FRANCISCO \
GABRIEL \
GABRIEL \
GABRIELLY \
GAEL \
GUILHERME \
GUILHERME \
GUSTAVO \
ISAAC \
JOAO \
JOAO \
KARINA \
LETICIA \
LETICIA \
LIVIA \
LORRANY \
LUCAS \
LUIS \
MARCO \
MATEUS \
MATEUS \
MATHEUS \
RAIZA \
RENATO \
SOPHIA \
THAYRELAN \
VICTOR'

#In: 
df = bpd.DataFrame().assign(
    nome=nomes.split()
)
df = df.sample(df.shape[0])
df

	nome
18	GUILHERME
23	JOAO
37	SOPHIA
7	EDUARDO
2	ARTHUR
...	...
13	FRANCISCO
4	CAROLINA
28	LORRANY
27	LIVIA
30	LUIS

40 rows × 1 columns

Exemplo: qual a primeira letra mais comum entre os nomes dos discentes de FCD?

• Problema: Não podemos responder agora, pois não temos uma coluna com primeira letra. Se o fizéssemos, poderíamos agrupar por ele.

• Solução: Criar uma função.

Criando uma função primeira_letra

De alguma forma, precisamos chamar 'primeira_letra' no 'nome' de cada aluno.

#In: 
def primeira_letra(nome):
    return nome[0]

#In: 
primeira_letra('FLAVIO')

'F'

#In: 
primeira_letra(df.get('nome').iloc[0])

'G'

#In: 
primeira_letra(df.get('nome').iloc[1])

'J'

Idealmente, existe uma solução melhor do que fazer isso centenas de vezes…

.apply

• Para aplicar uma função a cada elemento da coluna column_name no DataFrame df, use

df.get(column_name).apply(function_name)

• O método .apply é um método de uma Series não de um DataFrame.
• Importante: Usamos .apply em séries, não em DataFrames.

• A saída de .apply também é uma série.

• Passe apenas o nome da função – não a chame!
• Bom ✅: .apply(primeira_letra).
• Ruim ❌: .apply(primeira_letra()).

#In: 
df.get('nome').apply(primeira_letra)

18    G
23    J
37    S
7     E
2     A
     ..
13    F
4     C
28    L
27    L
30    L
Name: nome, Length: 40, dtype: object

Exemplo: nomes próprios comuns

#In: 
df = df.assign(
    primeira=df.get('nome').apply(primeira_letra)
)
df

	nome	primeira
18	GUILHERME	G
23	JOAO	J
37	SOPHIA	S
7	EDUARDO	E
2	ARTHUR	A
...	...	...
13	FRANCISCO	F
4	CAROLINA	C
28	LORRANY	L
27	LIVIA	L
30	LUIS	L

40 rows × 2 columns

#In: 
letra_count = (df.
               groupby('primeira').
               size().
               sort_values(ascending=False)
)
letra_count

primeira
G    7
L    6
E    4
M    4
A    3
    ..
I    1
K    1
S    1
T    1
V    1
Length: 15, dtype: int64

Atividade

Abaixo:

• Crie um gráfico de barras para a primeira e ultima letra de cada nome.
• O que você consegue tirar dos dois gráficos?

#In: 
...

Ellipsis

#In: 
...

Ellipsis

Nota: .apply também funciona com funções já existentes!

Por exemplo, para encontrar o comprimento de cada nome, podemos usar a função len:

#In: 
df

	nome	primeira
18	GUILHERME	G
23	JOAO	J
37	SOPHIA	S
7	EDUARDO	E
2	ARTHUR	A
...	...	...
13	FRANCISCO	F
4	CAROLINA	C
28	LORRANY	L
27	LIVIA	L
30	LUIS	L

40 rows × 2 columns

#In: 
df.get('nome').apply(len)

18    9
23    4
37    6
7     7
2     6
     ..
13    9
4     8
28    7
27    5
30    4
Name: nome, Length: 40, dtype: int64

Atividade

Encontre o nome mais curto da turma que seja compartilhado por pelo menos dois alunos na mesma seção.

Dica: Você terá que usar .assign e .apply.

#In: 
...

Ellipsis

Resumo, da próxima vez

Resumo

• Funções são uma forma de dividir nosso código em pequenas subpartes para evitar que escrevamos código repetitivo.
• O método .apply nos permite chamar uma função em cada elemento de uma Série, o que geralmente vem de .getting uma coluna de um DataFrame.

Próxima vez

Manipulações mais avançadas de DataFrame!