今天我們來利用 python 資料整理中一個有趣的功能 def，def 可以幫助我們定義一個簡單的邏輯計算，讓我們能夠方便的計算不同的指標，例如：BMI, 腰臀比, 腰圍等等。以下讓我們來看一下範例吧！
- 使用到的工具:
- def
- return
- if-elif-else
- import pandas as pd
- pd.DataFrame()
- df[‘’New_col]=
- round()
- .apply()
- axis=1
- lambda x:
- and
- 程式碼範例:
#載入 Python 資料分析套件
import pandas as pd
#定義 bmi 計算分類 / return 回傳值 / if-elif-else 條件分類
def get_bmi_category(bmi):
"""將 BMI 轉為分類標籤"""
if bmi < 18.5: return "⚖️ 體重過輕"
elif bmi < 24: return "✅ 正常範圍"
elif bmi < 27: return "⚠️ 過重"
else: return "❌ 肥胖"
#定義 體脂肪 計算分類 / return 回傳值 / if-elif-else 條件分類
def get_fat_category(sex, fat_pct):
"""根據性別與體脂率判斷區間"""
if sex == 'M':
if fat_pct < 14: return "⚖️ 偏低"
elif fat_pct <= 24: return "✅ 正常"
else: return "⚠️ 偏高"
else: # Female
if fat_pct < 21: return "⚖️ 偏低"
elif fat_pct <= 31: return "✅ 正常"
else: return "⚠️ 偏高"
# 模擬資料 - 建立資料框
patients = pd.DataFrame({
'Name': ['Alex', 'Bella', 'Chris', 'Daisy'],
'Sex': ['M', 'F', 'M', 'F'],
'Weight_kg': [80, 50, 75, 60],
'Height_m': [1.75, 1.60, 1.70, 1.65],
'BodyFat_Pct': [18, 32, 26, 22]
})
# 1. 計算 BMI - round(1) 數值四捨五入
patients['BMI'] = (patients['Weight_kg'] / (patients['Height_m'] ** 2)).round(1)
# 2. 套用分類邏輯 - df['New_Col'] 向量化衍生欄位
# .apply() 應用函數 (Map Function) 將自訂的函式逐行（Row）或逐欄（Column）套用到整個 DataFrame 中。
# 匿名函數 (Anonymous Function) 一種不需要使用 def 命名、只有單行表達式的輕量級臨時函數。
patients['BMI_Status'] = patients['BMI'].apply(get_bmi_category)
patients['Fat_Status'] = patients.apply(lambda x: get_fat_category(x['Sex'], x['BodyFat_Pct']), axis=1)
# print() 印出資料
print(patients[['Name', 'BMI', 'BMI_Status', 'BodyFat_Pct', 'Fat_Status']])
# Name BMI BMI_Status BodyFat_Pct Fat_Status
# Alex 26.1 ⚠️ 過重 18 ✅ 正常
# Bella 19.5 ✅ 正常範圍 32 ⚠️ 偏高
# Chris 26.0 ⚠️ 過重 26 ⚠️ 偏高
# Daisy 22.0 ✅ 正常範圍 22 ✅ 正常- 步驟拆解:
- 可以看到我們根據網路資訊的定義標準，定義了 get_bmi_category 與 get_fat_category，去計算我們 BMI 與 體脂率 。
- Alex：BMI 是「過重」，但體脂是「正常」。
- Bella：BMI 是「正常」，但體脂是「偏高」。
- 資料來源:
- Python
- Gemini