Wie man Zeilen und Spalten mit Python Pandas aktualisiert
Lass uns verstehen, wie man Zeilen und Spalten mit Python Pandas aktualisiert. In der realen Welt erhalten wir die meisten Daten nicht in einem anstehenden Format zur Analyse. Es kann viele Inkonsistenzen, ungültige Werte, falsche Labels und vieles mehr geben. Daher ist es notwendig, diese Werte zu aktualisieren, um Einheitlichkeit in den Daten zu erreichen. In diesem Tutorial werden wir uns darauf konzentrieren, wie man Zeilen und Spalten in Python mit Pandas aktualisiert. Ohne viel Zeit mit der Einführung zu verbringen, lass uns zur Sache kommen!
1. Erstellen Sie ein Pandas DataFrame
In diesem gesamten Tutorial werden wir ein Dataframe verwenden, das wir jetzt erstellen werden. Dies gibt Ihnen eine Vorstellung von Aktualisierungsoperationen auf den Daten. Danach können Sie diese Methoden auf Ihre Daten anwenden.
Um ein DataFrame zu erstellen, bietet pandas die Funktion pd.DataFrame an, die Ihnen hilft, ein DataFrame aus einigen Daten zu erstellen. Lassen Sie uns sehen, wie es funktioniert.
#create a dictionary
import pandas as pd
fruit_data = {"Fruit": ['Apple','Avacado','Banana','Strawberry','Grape'],"Color": ['Red','Green','Yellow','Pink','Green'],
"Price": [45, 90, 60, 37, 49]
}
fruit_data
Hier haben wir ein Python-Wörterbuch mit einigen Datenwerten erstellt. Jetzt wurden wir gebeten, dieses Wörterbuch in ein Pandas-DataFrame umzuwandeln.
#Dataframe
data = pd.DataFrame(fruit_data)
data
Das ist perfekt!. Mit der pd.DataFrame-Funktion von pandas können Sie ein Dictionary ganz einfach in ein pandas DataFrame umwandeln. Unser Datensatz ist jetzt bereit, um zukünftige Operationen durchzuführen.
Weiterlesen: So ändern Sie die Spaltenreihenfolge mit Pandas
2. Spalten aktualisieren
Manchmal sind die Spalten oder die Namen der Merkmale inkonsistent. Es kann an der Schreibweise des Alphabets und anderem liegen. Ein einheitliches Design hilft uns, effektiv mit den Merkmalen zu arbeiten.
Als ersten Schritt werden wir sehen, wie wir die Spalten- oder Merkmalsnamen in unseren Daten aktualisieren/ändern können.
#update the column name
data.rename(columns = {'Fruit':'Fruit Name'})
Das ist es. So einfach wie oben gezeigt. Sie können sogar mehrere Spaltennamen zur gleichen Zeit aktualisieren. Dafür müssen Sie andere Spaltennamen, die durch ein Komma getrennt sind, unter den geschweiften Klammern hinzufügen.
#multile column update
data.rename(columns = {'Fruit':'Fruit Name','Colour':'Color','Price':'Cost'})
So können Sie alle Ihre Spalten gleichzeitig aktualisieren.
3. Aktualisieren Sie die Schreibweise der Spaltennamen
Sie haben möglicherweise Inkonsistenzen bei der Schreibweise der Spaltennamen festgestellt, wenn Sie mit Datensätzen arbeiten, die viele Spalten enthalten.
In unseren Daten können Sie beobachten, dass alle Spaltennamen mit einem Großbuchstaben beginnen. Es ist immer ratsam, eine einheitliche Schreibweise für alle Ihre Spaltennamen zu verwenden.
Nun, Sie können sie entweder in Großbuchstaben oder in Kleinbuchstaben umwandeln.
#lower case
data.columns.str.lower()
data
Jetzt sind alle unsere Spalten in Kleinbuchstaben.
4. Aktualisierung von Zeilenwerten
Wie das Aktualisieren der Spalten ist auch das Aktualisieren der Zeilenwerte sehr einfach. Sie müssen zuerst den Zeilenwert finden und dann können Sie diese Zeile mit neuen Werten aktualisieren.
Sie können die loc-Funktion von pandas verwenden, um die Zeilen zu lokalisieren.
#updating rows
data.loc[3]
Fruit Strawberry
Color Pink
Price 37
Name: 3, dtype: object
Wir haben die Zeilennummer 3 gefunden, die die Details der Frucht Erdbeere enthält. Nun müssen wir diese Zeile mit einer neuen Frucht namens Ananas und ihren Details aktualisieren.
Lass uns loslegen!
#update
data.loc[3] = ['PineApple','Yellow','48']
data
Das ist es. Ich hoffe, auch Sie finden es einfach, die Zeilenwerte in den Daten zu aktualisieren. Nehmen wir nun an, dass Sie nur einige Details in der Zeile und nicht die gesamte aktualisieren müssen. Was ist also Ihr Ansatz dafür?
#update specific values
data.loc[3, ['Price']]
Price 48
Name: 3, dtype: object
Wir müssen nur den Preis der Frucht in der 3. Reihe aktualisieren. Wir erfahren, dass der aktuelle Preis dieser Frucht 48 beträgt. Aber wir müssen ihn auf 65 aktualisieren. Lass uns das tun.
#updating
data.loc[3, ['Price']] = [65]
data
Beeindruckend :P
Wir haben den Preis der Frucht Ananas auf 65 aktualisiert, und das mit nur einer Zeile Python-Code. So funktioniert das. Einfach.
5. Zeilen und Spalten basierend auf Bedingungen aktualisieren
Ja, wir werden jetzt die Zeilenwerte basierend auf bestimmten Bedingungen aktualisieren. Schließlich möchten wir einige bedeutsame Werte, die für unsere Analyse hilfreich sein sollten.
Lass uns unsere Bedingung definieren.
#Condition
updated = data['Price'] > 60
updated
Was wir hier tun werden, ist, die Preise der Früchte, die über 60 kosten, als teuer zu kennzeichnen.
0 False
1 True
2 False
3 True
4 False
Name: Price, dtype: bool
Basierend auf der Ausgabe haben wir 2 Früchte, deren Preis mehr als 60 beträgt. Lassen Sie uns diese Früchte in den Daten als teuer bezeichnen.
#Updating
data.loc[updated, 'Price'] = 'Expensive'
data
Vertrau mir, du bist großartig :).
Du hast es auf eine erstaunliche Weise und mit Perfektion gemacht. In diesem ganzen Tutorial habe ich nie mehr als 2 Zeilen Code verwendet. Der beste Vorschlag, den ich geben kann, ist, so viel wie möglich über pandas zu lernen. Es ist eine so robuste Bibliothek, die viele Funktionen bietet, die Einzeiler sind, aber in der Lage sind, die Aufgabe episch zu erledigen.
Abschluss - Zeilen und Spalten aktualisieren
Die Aktualisierung von Zeilen und Spalten in den Daten ist eine der grundlegenden Dinge, auf die wir uns vor jeder Analyse konzentrieren sollten. Mit einfachen Funktionen und Code können wir die Daten viel aussagekräftiger gestalten und in diesem Prozess werden wir definitiv einige Erkenntnisse über die Datenqualität und etwaige weitere Anforderungen gewinnen. Wenn wir unsere Daten korrekt haben, vertrauen Sie mir, können Sie viele kostbare, ungehörte Geschichten aufdecken.
Ich hoffe, dass Sie dieses Tutorial in der einen oder anderen Weise nützlich finden und vergessen Sie nicht, diese Praktiken in Ihrer Analysearbeit umzusetzen.
Das ist alles für jetzt. Viel Spaß mit Python!!!
Mehr lesen: Pandas DataFrame