Preimenovanje stupaca u Pandas DataFrame

Uvod u preimenovanje stupaca u Pandas

Kada radite s podacima u Pandas, često je potrebno preimenovati stupce DataFramea kako bi bili smisleniji i lakši za rad. To može pomoći da obrada podataka i zadaci analize budu intuitivniji i učinkovitiji.

U ovom ćemo članku istražiti kako promijeniti oznake stupaca Pandas DataFramea iz ['$a', '$b', '$c', '$d', '$e'] u ['a', 'b', 'c', 'd', 'e']. Ovaj jednostavan, ali bitan zadatak čest je zahtjev u radnim procesima rukovanja podacima i čišćenja.

Detaljno objašnjenje skripti

Gore navedene skripte pokazuju kako preimenovati stupce u Pandas DataFrameu, što je uobičajeni zadatak u manipulaciji podacima. U prvoj skripti započinjemo s uvozom biblioteke Pandas s import pandas as pd. Zatim stvaramo DataFrame pomoću pd.DataFrame() sa stupcima označenim kao '$a', '$b', '$c', '$d', i '$e'. Da bismo preimenovali ove stupce, izravno postavljamo DataFrame columns atribut novim imenima stupaca ['a', 'b', 'c', 'd', 'e']. Na kraju, prikazujemo ažurirani DataFrame pomoću print(df), koji prikazuje nazive novih stupaca. Ova metoda je jednostavna i učinkovita za preimenovanje stupaca kada imate jasno i izravno preslikavanje starih imena u nova imena.

U drugoj skripti također uvozimo biblioteku Pandas i definiramo dvije liste: original_columns i new_columns, koji sadrže originalna i nova imena stupaca. Zatim stvaramo DataFrame pomoću pd.DataFrame() s podacima i izvornim nazivima stupaca. Za preimenovanje stupaca koristimo rename() metoda DataFrame. Ova metoda uzima rječnik koji preslikava stare nazive stupaca u nove nazive stupaca, stvorene pomoću dict(zip(original_columns, new_columns)). The inplace=True argument osigurava da se DataFrame modificira na mjestu bez vraćanja novog DataFramea. Zadnji korak je prikazati ažurirani DataFrame s print(df). Ova je metoda osobito korisna kada trebate programski preimenovati stupce ili kada imate posla s većim okvirima podataka gdje izravno dodjeljivanje može biti manje praktično.

import pandas as pd
# Create a DataFrame
df = pd.DataFrame({
    '$a': [1, 2, 3],
    '$b': [4, 5, 6],
    '$c': [7, 8, 9],
    '$d': [10, 11, 12],
    '$e': [13, 14, 15]
})
# Rename the columns
df.columns = ['a', 'b', 'c', 'd', 'e']
# Display the DataFrame
print(df)

import pandas as pd
# Define the original column names
original_columns = ['$a', '$b', '$c', '$d', '$e']
# Define the new column names
new_columns = ['a', 'b', 'c', 'd', 'e']
# Create a DataFrame with the original columns
data = [[1, 4, 7, 10, 13],
        [2, 5, 8, 11, 14],
        [3, 6, 9, 12, 15]]
df = pd.DataFrame(data, columns=original_columns)
# Rename the columns using a dictionary
df.rename(columns=dict(zip(original_columns, new_columns)), inplace=True)
# Show the updated DataFrame
print(df)

Napredne tehnike za preimenovanje stupaca DataFramea

Osim osnovnog preimenovanja stupaca u Pandas DataFrameu, postoje napredne tehnike koje mogu biti vrlo korisne u različitim scenarijima. Na primjer, ponekad ćete možda trebati preimenovati stupce na temelju određenog uzorka ili stanja. U takvim slučajevima možete koristiti razumijevanje popisa ili map() funkcija u kombinaciji s lambda funkcijama za postizanje željenih rezultata. Ovaj pristup omogućuje dinamičnije i fleksibilnije preimenovanje stupaca. Na primjer, možete ukloniti određene znakove iz naziva stupaca ili primijeniti transformacije kao što je pretvaranje svih naziva u mala slova.

Druga napredna tehnika uključuje preimenovanje stupaca tijekom procesa uvoza podataka. Prilikom učitavanja podataka iz CSV datoteka, možete koristiti names parametar u pd.read_csv() za navođenje novih naziva stupaca. To može biti osobito korisno kada se radi o podacima koji imaju nedosljedna zaglavlja ili im nedostaju. Osim toga, možete koristiti header parametar za preskakanje postojećih zaglavlja i dodjeljivanje vlastitih. Ove metode pojednostavljuju proces čišćenja podataka rješavanjem problema s imenovanjem stupaca odmah od faze učitavanja podataka, čineći kasniju manipulaciju podacima učinkovitijom.