பைத்தானில் உள்ள ஒரு பாண்டாஸ் டேட்டா ஃப்ரேமில் வரிசைகளுக்கு மேல் திரும்பச் செய்தல்

பாண்டாஸில் வரிசை மறு செய்கையைப் புரிந்துகொள்வது

Python இல் தரவுகளுடன் பணிபுரியும் போது, ​​Pandas நூலகம் தரவு கையாளுதல் மற்றும் பகுப்பாய்வுக்கான சக்திவாய்ந்த கருவிகளை வழங்குகிறது. நெடுவரிசைப் பெயர்கள் மூலம் தனிப்பட்ட கூறுகளை அணுகுவதற்கும் செயலாக்குவதற்கும் டேட்டாஃப்ரேமின் வரிசைகளில் மீண்டும் மீண்டும் செய்வது ஒரு பொதுவான பணியாகும். இதை எப்படி எளிதாகச் செய்வது என்பதைப் புரிந்துகொள்ள இந்த வழிகாட்டி உதவும்.

நடைமுறை எடுத்துக்காட்டுகள் மற்றும் விளக்கங்கள் உட்பட, Pandas DataFrame இல் வரிசை மறு செய்கைக்கான வெவ்வேறு முறைகளை ஆராய்வோம். முடிவில், உங்கள் சொந்த திட்டங்களில் இந்த முறைகளை எவ்வாறு திறம்படப் பயன்படுத்துவது என்பது பற்றிய தெளிவான புரிதல் உங்களுக்கு இருக்கும்.

பாண்டாக்களுடன் வரிசைகளுக்கு மேல் திரும்புதல்: முறைகள் விளக்கப்பட்டுள்ளன

வழங்கப்பட்ட ஸ்கிரிப்டுகள் ஒரு பாண்டாஸ் டேட்டாஃப்ரேமில் வரிசைகளுக்கு மேல் திரும்பச் செய்வதற்கான வெவ்வேறு முறைகளை நிரூபிக்கின்றன. முதல் முறை பயன்படுத்துகிறது iterrows() செயல்பாடு, இது ஒவ்வொரு வரிசைக்கும் குறியீட்டு மற்றும் வரிசை தரவை வழங்கும் ஒரு மறு செய்கையை உருவாக்குகிறது. இந்த முறையானது வரிசை உறுப்புகளை அவற்றின் நெடுவரிசைப் பெயர்களால் அணுக உங்களை அனுமதிக்கிறது, இது குறிப்பிட்ட மதிப்புகளை அச்சிட அல்லது கையாளுவதை நேரடியாகச் செய்கிறது. இரண்டாவது முறை, பயன்படுத்தி itertuples(), இது போன்றது ஆனால் ஒவ்வொரு வரிசைக்கும் பெயரிடப்பட்ட டூப்பிள்களை வழங்குவதன் மூலம் சிறந்த செயல்திறனை வழங்குகிறது. இந்த அணுகுமுறை வேகமானது, ஏனெனில் இது ஒவ்வொரு வரிசைக்கும் ஒரு தொடர் பொருளை உருவாக்கும் மேல்நிலையைத் தவிர்க்கிறது, இது பெரிய தரவுத்தொகுப்புகளுக்கு மிகவும் பயனுள்ளதாக இருக்கும்.

மற்றொரு முறை காட்டப்பட்டுள்ளது apply() செயல்பாடு, இது DataFrame இன் கொடுக்கப்பட்ட அச்சில் ஒரு குறிப்பிட்ட செயல்பாட்டைப் பயன்படுத்துகிறது. அச்சு அளவுருவை 1 ஆக அமைப்பதன் மூலம், ஒவ்வொரு வரிசையிலும் செயல்பாடு பயன்படுத்தப்படுகிறது. இந்த முறை பன்முகத்தன்மை கொண்டது, இது வரிசை வாரியான செயல்பாடுகளுக்கான தனிப்பயன் செயல்பாடுகளை வரையறுக்க உங்களை அனுமதிக்கிறது. இறுதியாக, பயன்பாடு enumerate() உடன் iterrows() மறு செய்கையின் போது வரிசை குறியீட்டைக் கண்காணிப்பதற்கான வழியை வழங்குகிறது. வரிசை எண் தேவைப்படும் பணிகளுக்கு அல்லது டேட்டாஃப்ரேமில் உள்ள நிலை முக்கியமானதாக இருக்கும் சிக்கலான செயல்பாடுகளுக்கு இது பயனுள்ளதாக இருக்கும். ஒன்றாக, இந்த முறைகள் செயல்திறன் மற்றும் செயல்பாட்டின் அடிப்படையில் பல்வேறு தேவைகளைப் பூர்த்திசெய்து, டேட்டாஃப்ரேம் வரிசைகளில் திரும்பத் திரும்ப பலவிதமான விருப்பங்களை வழங்குகின்றன.

import pandas as pd

# Create a sample DataFrame
data = {'c1': [10, 11, 12], 'c2': [100, 110, 120]}
df = pd.DataFrame(data)

# Iterate over rows using iterrows()
for index, row in df.iterrows():
    print(row['c1'], row['c2'])

# Output:
# 10 100
# 11 110
# 12 120

import pandas as pd

# Create a sample DataFrame
data = {'c1': [10, 11, 12], 'c2': [100, 110, 120]}
df = pd.DataFrame(data)

# Iterate over rows using itertuples()
for row in df.itertuples():
    print(row.c1, row.c2)

# Output:
# 10 100
# 11 110
# 12 120

import pandas as pd

# Create a sample DataFrame
data = {'c1': [10, 11, 12], 'c2': [100, 110, 120]}
df = pd.DataFrame(data)

# Define a function to apply to each row
def print_row(row):
    print(row['c1'], row['c2'])

# Apply the function to each row
df.apply(print_row, axis=1)

# Output:
# 10 100
# 11 110
# 12 120

import pandas as pd

# Create a sample DataFrame
data = {'c1': [10, 11, 12], 'c2': [100, 110, 120]}
df = pd.DataFrame(data)

# Iterate over rows using iterrows() and enumerate()
for i, (index, row) in enumerate(df.iterrows()):
    print(f'Index: {index}, Row {i}: {row["c1"]}, {row["c2"]}')

# Output:
# Index: 0, Row 0: 10, 100
# Index: 1, Row 1: 11, 110
# Index: 2, Row 2: 12, 120

பாண்டாஸில் வரிசை மறு செய்கைக்கான கூடுதல் முறைகளை ஆராய்தல்

போன்ற பொதுவாக பயன்படுத்தப்படும் முறைகளுக்கு அப்பால் iterrows() மற்றும் itertuples(), பாண்டாஸில் டேட்டாஃப்ரேம் வரிசைகளில் மீண்டும் மீண்டும் செய்ய மற்ற நுட்பங்கள் உள்ளன. அத்தகைய ஒரு முறை பயன்படுத்தப்படுகிறது iloc குறியீட்டாளர். தி iloc indexer ஆனது வரிசைகள் மற்றும் நெடுவரிசைகளை அவற்றின் முழு எண்-இருப்பிடம் அடிப்படையிலான அட்டவணைப்படுத்தல் மூலம் அணுக அனுமதிக்கிறது, இது மறு செய்கைக்கான சக்திவாய்ந்த கருவியாக அமைகிறது. குறிப்பிட்ட வரிசைகள் அல்லது நெடுவரிசைகளை தொடர்களாக அல்லது பெயரிடப்பட்ட டூப்பிள்களாக மாற்றாமல் அவற்றைச் செய்ய வேண்டியிருக்கும் போது இந்த முறை மிகவும் பயனுள்ளதாக இருக்கும். இணைந்து ஒரு வளையத்தைப் பயன்படுத்துவதன் மூலம் iloc, நீங்கள் வரிசை உறுப்புகளை திறமையாக அணுகலாம் மற்றும் கையாளலாம்.

மற்றொரு அணுகுமுறை பயன்படுத்துவதை உள்ளடக்கியது DataFrame.query() மறு செய்கைக்கு முன் குறிப்பிட்ட நிபந்தனைகளின் அடிப்படையில் வரிசைகளை வடிகட்டுவதற்கான முறை. இந்த முறையானது SQL போன்ற வினவல் தொடரியல் பயன்படுத்தி சுருக்கமான மற்றும் படிக்கக்கூடிய தரவு வடிகட்டலை அனுமதிக்கிறது. DataFrame ஐ வடிகட்டிய பிறகு, வடிகட்டப்பட்ட வரிசைகளைச் செயலாக்குவதற்கு முன்பு விவாதிக்கப்பட்ட எந்த மறு செய்கை முறைகளையும் நீங்கள் பயன்படுத்தலாம். கூடுதலாக, பைத்தானில் உள்ள பட்டியல் புரிதல்கள் மிகவும் சிக்கலான தரவு மாற்றங்கள் மற்றும் மறு செய்கைகளுக்கு பாண்டாஸ் செயல்பாடுகளுடன் இணைக்கப்படலாம். இந்த மேம்பட்ட நுட்பங்கள் அதிக நெகிழ்வுத்தன்மை மற்றும் செயல்திறனை வழங்குகின்றன, குறிப்பாக பெரிய தரவுத்தொகுப்புகள் அல்லது சிக்கலான தரவு கையாளுதல் பணிகளைக் கையாளும் போது.