Menamakan Semula Lajur dalam Pandas DataFrame

Pengenalan kepada Penamaan Semula Lajur dalam Panda

Apabila bekerja dengan data dalam Pandas, selalunya perlu menamakan semula lajur DataFrame untuk menjadikannya lebih bermakna dan lebih mudah untuk digunakan. Ini boleh membantu dalam menjadikan pemprosesan data dan tugasan analisis lebih intuitif dan cekap.

Dalam artikel ini, kami akan meneroka cara menukar label lajur Pandas DataFrame daripada ['$a', '$b', '$c', '$d', '$e'] kepada ['a', 'b', 'c', 'd', 'e']. Tugas yang mudah tetapi penting ini ialah keperluan biasa dalam manipulasi data dan aliran kerja pembersihan.

Penjelasan Terperinci Skrip

Skrip yang disediakan di atas menunjukkan cara menamakan semula lajur dalam Pandas DataFrame, tugas biasa dalam manipulasi data. Dalam skrip pertama, kita mulakan dengan mengimport pustaka Pandas dengan import pandas as pd. Seterusnya, kami mencipta DataFrame menggunakan pd.DataFrame() dengan lajur berlabel sebagai '$a', '$b', '$c', '$d', dan '$e'. Untuk menamakan semula lajur ini, kami terus menetapkan DataFrame columns atribut kepada nama lajur baharu ['a', 'b', 'c', 'd', 'e']. Akhir sekali, kami memaparkan DataFrame yang dikemas kini menggunakan print(df), yang menunjukkan nama lajur baharu. Kaedah ini mudah dan cekap untuk menamakan semula lajur apabila anda mempunyai pemetaan nama lama yang jelas dan terus kepada nama baharu.

Dalam skrip kedua, kami juga mengimport pustaka Pandas dan menentukan dua senarai: original_columns dan new_columns, yang memegang nama lajur asal dan baharu, masing-masing. Kami kemudian membuat DataFrame menggunakan pd.DataFrame() dengan data dan nama lajur asal. Untuk menamakan semula lajur, kami menggunakan rename() kaedah DataFrame. Kaedah ini mengambil kamus yang memetakan nama lajur lama kepada nama lajur baharu, dibuat menggunakan dict(zip(original_columns, new_columns)). The inplace=True argumen memastikan bahawa DataFrame diubah suai di tempatnya tanpa mengembalikan DataFrame baharu. Langkah terakhir ialah memaparkan DataFrame yang dikemas kini dengan print(df). Kaedah ini amat berguna apabila anda perlu menamakan semula lajur secara pengaturcaraan atau apabila berurusan dengan DataFrames yang lebih besar di mana tugasan langsung mungkin kurang praktikal.

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 Lanjutan untuk Menamakan Semula Lajur DataFrame

Di sebalik penamaan semula asas lajur dalam Pandas DataFrame, terdapat teknik lanjutan yang boleh menjadi sangat berguna dalam senario yang berbeza. Sebagai contoh, kadangkala anda mungkin perlu menamakan semula lajur berdasarkan corak atau syarat tertentu. Dalam kes sedemikian, anda boleh menggunakan pemahaman senarai atau map() fungsi digabungkan dengan fungsi lambda untuk mencapai hasil yang diinginkan. Pendekatan ini membolehkan penamaan semula lajur yang lebih dinamik dan fleksibel. Contohnya, anda boleh mengalih keluar aksara tertentu daripada nama lajur atau menggunakan transformasi seperti menukar semua nama kepada huruf kecil.

Teknik lanjutan lain melibatkan menamakan semula lajur semasa proses import data. Apabila memuatkan data daripada fail CSV, anda boleh menggunakan names parameter dalam pd.read_csv() untuk menentukan nama lajur baharu. Ini amat berguna apabila berurusan dengan data yang mempunyai pengepala yang tidak konsisten atau tiada. Selain itu, anda boleh menggunakan header parameter untuk melangkau pengepala sedia ada dan menetapkan anda sendiri. Kaedah ini menyelaraskan proses pembersihan data dengan menangani isu penamaan lajur terus dari peringkat pemuatan data, menjadikan manipulasi data seterusnya lebih cekap.