Pandas DataFrame'deki Sütunları Yeniden Adlandırma

Pandalarda Sütun Yeniden Adlandırmaya Giriş

Pandas'ta verilerle çalışırken, DataFrame'in sütunlarını daha anlamlı ve çalışmayı daha kolay hale getirmek için yeniden adlandırmak genellikle gerekli olur. Bu, veri işleme ve analiz görevlerinin daha sezgisel ve verimli hale getirilmesine yardımcı olabilir.

Bu makalede, bir Pandas DataFrame'in sütun etiketlerinin ['$a', '$b', '$c', '$d', '$e'] yerine ['a', 'b', 'c', 'd', 'e']. Bu basit ama önemli görev, veri işleme ve temizleme iş akışlarında yaygın bir gereksinimdir.

Scriptlerin Detaylı Açıklaması

Yukarıda verilen komut dosyaları, veri işlemede yaygın bir görev olan Pandas DataFrame'deki sütunların nasıl yeniden adlandırılacağını gösterir. İlk scriptte Pandas kütüphanesini import ederek başlıyoruz. import pandas as pd. Daha sonra, kullanarak bir DataFrame oluşturuyoruz. pd.DataFrame() olarak etiketlenmiş sütunlarla '$a', '$b', '$c', '$d', Ve '$e'. Bu sütunları yeniden adlandırmak için doğrudan DataFrame'in columns yeni sütun adlarına öznitelik ['a', 'b', 'c', 'd', 'e']. Son olarak güncellenmiş DataFrame'i kullanarak görüntülüyoruz. print(df), yeni sütun adlarını gösterir. Bu yöntem, eski adların yeni adlarla açık ve doğrudan eşleştirilmesi durumunda sütunların yeniden adlandırılmasında basit ve etkilidir.

İkinci komut dosyasında ayrıca Pandas kütüphanesini içe aktarıyoruz ve iki liste tanımlıyoruz: original_columns Ve new_columnssırasıyla orijinal ve yeni sütun adlarını tutan. Daha sonra kullanarak bir DataFrame oluşturuyoruz. pd.DataFrame() veriler ve orijinal sütun adlarıyla. Sütunları yeniden adlandırmak için şunu kullanırız: rename() DataFrame'in yöntemi. Bu yöntem, eski sütun adlarını, kullanılarak oluşturulan yeni sütun adlarıyla eşleştiren bir sözlüğü alır. dict(zip(original_columns, new_columns)). inplace=True argümanı, DataFrame'in yeni bir DataFrame döndürmeden yerinde değiştirilmesini sağlar. Son adım, güncellenmiş DataFrame'i şununla görüntülemektir: print(df). Bu yöntem, sütunları programlı olarak yeniden adlandırmanız gerektiğinde veya doğrudan atamanın daha az pratik olabileceği daha büyük DataFrame'lerle uğraşırken özellikle kullanışlıdır.

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)

DataFrame Sütunlarını Yeniden Adlandırmak için Gelişmiş Teknikler

Pandas DataFrame'deki sütunların temel yeniden adlandırılmasının ötesinde, farklı senaryolarda çok faydalı olabilecek gelişmiş teknikler vardır. Örneğin, bazen sütunları belirli bir modele veya duruma göre yeniden adlandırmanız gerekebilir. Bu gibi durumlarda liste kavramalarını veya map() İstenilen sonuçları elde etmek için fonksiyon lambda fonksiyonlarıyla birleştirilir. Bu yaklaşım daha dinamik ve esnek sütun yeniden adlandırmasına olanak tanır. Örneğin, sütun adlarından belirli karakterleri kaldırabilir veya tüm adları küçük harfe dönüştürmek gibi dönüşümler uygulayabilirsiniz.

Bir diğer gelişmiş teknik, verilerin içe aktarımı sırasında sütunların yeniden adlandırılmasını içerir. CSV dosyalarından veri yüklerken şunları kullanabilirsiniz: names parametre pd.read_csv() yeni sütun adlarını belirtmek için. Bu, özellikle tutarsız veya eksik başlıklara sahip verilerle uğraşırken yararlı olabilir. Ek olarak şunları kullanabilirsiniz: header Mevcut başlıkları atlamak ve kendinizinkini atamak için parametre. Bu yöntemler, sütun adlandırma sorunlarını doğrudan veri yükleme aşamasından itibaren ele alarak veri temizleme sürecini kolaylaştırır ve daha sonraki veri manipülasyonunu daha verimli hale getirir.