Mengganti Nama Kolom di Pandas DataFrame

Pengantar Penggantian Nama Kolom di Pandas

Saat bekerja dengan data di Pandas, sering kali kolom DataFrame perlu diganti namanya agar lebih bermakna dan lebih mudah digunakan. Hal ini dapat membantu membuat tugas pemrosesan dan analisis data menjadi lebih intuitif dan efisien.

Pada artikel ini, kita akan mempelajari cara mengubah label kolom Pandas DataFrame dari ['$a', '$b', '$c', '$d', '$e'] menjadi ['a', 'b', 'c', 'd', 'e']. Tugas sederhana namun penting ini merupakan persyaratan umum dalam manipulasi data dan pembersihan alur kerja.

Penjelasan Detail Naskah

Skrip yang disediakan di atas menunjukkan cara mengganti nama kolom di Pandas DataFrame, tugas umum dalam manipulasi data. Pada skrip pertama, kita mulai dengan mengimpor perpustakaan Pandas dengan import pandas as pd. Selanjutnya, kita membuat DataFrame menggunakan pd.DataFrame() dengan kolom berlabel sebagai '$a', '$b', '$c', '$d', Dan '$e'. Untuk mengganti nama kolom ini, kami langsung menyetel DataFrame columns atribut ke nama kolom baru ['a', 'b', 'c', 'd', 'e']. Terakhir, kami menampilkan DataFrame yang diperbarui menggunakan print(df), yang memperlihatkan nama kolom baru. Metode ini mudah dan efisien untuk mengganti nama kolom ketika Anda memiliki pemetaan yang jelas dan langsung dari nama lama ke nama baru.

Di skrip kedua, kami juga mengimpor perpustakaan Pandas dan menentukan dua daftar: original_columns Dan new_columns, yang masing-masing berisi nama kolom asli dan baru. Kami kemudian membuat DataFrame menggunakan pd.DataFrame() dengan data dan nama kolom asli. Untuk mengganti nama kolom, kami menggunakan rename() metode DataFrame. Metode ini mengambil kamus yang memetakan nama kolom lama ke nama kolom baru, yang dibuat menggunakan dict(zip(original_columns, new_columns)). Itu inplace=True argumen memastikan bahwa DataFrame diubah pada tempatnya tanpa mengembalikan DataFrame baru. Langkah terakhir adalah menampilkan DataFrame yang telah diupdate dengan print(df). Metode ini sangat berguna ketika Anda perlu mengganti nama kolom secara terprogram atau ketika berhadapan dengan DataFrames yang lebih besar dimana penugasan langsung mungkin kurang praktis.

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)

Teknik Tingkat Lanjut untuk Mengganti Nama Kolom DataFrame

Selain penggantian nama kolom dasar di Pandas DataFrame, ada teknik lanjutan yang bisa sangat berguna dalam berbagai skenario. Misalnya, terkadang Anda mungkin perlu mengganti nama kolom berdasarkan pola atau kondisi tertentu. Dalam kasus seperti itu, Anda dapat menggunakan pemahaman daftar atau map() fungsi dikombinasikan dengan fungsi lambda untuk mencapai hasil yang diinginkan. Pendekatan ini memungkinkan penggantian nama kolom yang lebih dinamis dan fleksibel. Misalnya, Anda dapat menghapus karakter tertentu dari nama kolom atau menerapkan transformasi seperti mengonversi semua nama menjadi huruf kecil.

Teknik lanjutan lainnya melibatkan penggantian nama kolom selama proses impor data. Saat memuat data dari file CSV, Anda dapat menggunakan names parameter di pd.read_csv() untuk menentukan nama kolom baru. Hal ini sangat berguna ketika menangani data yang memiliki header yang tidak konsisten atau hilang. Selain itu, Anda dapat menggunakan header parameter untuk melewati header yang ada dan menetapkan header Anda sendiri. Metode ini menyederhanakan proses pembersihan data dengan mengatasi masalah penamaan kolom langsung dari tahap pemuatan data, sehingga manipulasi data selanjutnya menjadi lebih efisien.