Stulpelių pervardijimas Pandas DataFrame

Įvadas į stulpelių pervadinimą pandose

Dirbant su duomenimis „Pandas“, dažnai reikia pervardyti „DataFrame“ stulpelius, kad jie būtų prasmingesni ir su jais būtų lengviau dirbti. Tai gali padėti duomenų apdorojimo ir analizės užduotis padaryti intuityvesnes ir efektyvesnes.

Šiame straipsnyje mes išnagrinėsime, kaip pakeisti Pandas DataFrame stulpelių etiketes iš ['$a', '$b', '$c', '$d', '$e'] į ['a', „b“, „c“, „d“, „e“]. Ši paprasta, bet svarbi užduotis yra įprastas reikalavimas tvarkant duomenis ir atliekant valymo darbus.

Išsamus scenarijų paaiškinimas

Aukščiau pateikti scenarijai parodo, kaip pervardyti stulpelius Pandas DataFrame – įprasta duomenų tvarkymo užduotis. Pirmajame scenarijuje pradedame importuoti Pandas biblioteką su import pandas as pd. Tada mes sukuriame DataFrame naudodami pd.DataFrame() su stulpeliais, pažymėtais kaip '$a', '$b', '$c', '$d', ir '$e'. Norėdami pervardyti šiuos stulpelius, tiesiogiai nustatome DataFrame columns atributas naujiems stulpelių pavadinimams ['a', 'b', 'c', 'd', 'e']. Galiausiai rodome atnaujintą DataFrame naudodami print(df), kuriame rodomi nauji stulpelių pavadinimai. Šis metodas yra paprastas ir veiksmingas pervadinant stulpelius, kai turite aiškų ir tiesioginį senų pavadinimų susiejimą su naujais pavadinimais.

Antrajame scenarijuje taip pat importuojame Pandas biblioteką ir apibrėžiame du sąrašus: original_columns ir new_columns, kuriuose yra atitinkamai pradinis ir naujas stulpelių pavadinimai. Tada mes sukuriame DataFrame naudodami pd.DataFrame() su duomenimis ir pradiniais stulpelių pavadinimais. Norėdami pervardyti stulpelius, naudojame rename() DataFrame metodas. Šis metodas paima žodyną, kuris susieja senus stulpelių pavadinimus su naujais stulpelių pavadinimais, sukurtais naudojant dict(zip(original_columns, new_columns)). The inplace=True argumentas užtikrina, kad DataFrame būtų pakeistas vietoje negrąžinant naujo duomenų rėmelio. Paskutinis veiksmas yra parodyti atnaujintą DataFrame su print(df). Šis metodas ypač naudingas, kai reikia pervardyti stulpelius programiškai arba kai dirbate su didesniais duomenų rėmeliais, kur tiesioginis priskyrimas gali būti ne toks praktiškas.

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)

Pažangūs duomenų rėmelio stulpelių pervadinimo būdai

Be pagrindinio Pandas DataFrame stulpelių pervadinimo, yra pažangių metodų, kurie gali būti labai naudingi įvairiuose scenarijuose. Pavyzdžiui, kartais gali tekti pervardyti stulpelius pagal konkretų šabloną ar sąlygą. Tokiais atvejais galite naudoti sąrašo supratimą arba map() funkcija kartu su lambda funkcijomis norimiems rezultatams pasiekti. Šis metodas leidžia dinamiškiau ir lanksčiau pervadinti stulpelius. Pavyzdžiui, galite pašalinti konkrečius simbolius iš stulpelių pavadinimų arba pritaikyti transformacijas, pvz., konvertuoti visus pavadinimus į mažąsias raides.

Kitas pažangus metodas apima stulpelių pervardijimą importuojant duomenis. Įkeldami duomenis iš CSV failų, galite naudoti names parametras in pd.read_csv() norėdami nurodyti naujus stulpelių pavadinimus. Tai gali būti ypač naudinga dirbant su duomenimis, kurių antraštės nenuoseklios arba kurių trūksta. Be to, galite naudoti header parametrą, kad praleistumėte esamas antraštes ir priskirtumėte savo. Šie metodai supaprastina duomenų valymo procesą, sprendžiant stulpelių pavadinimų problemas jau duomenų įkėlimo etape, todėl tolesnis duomenų apdorojimas tampa efektyvesnis.