Pandas je výkonná Python knihovna široce používaná pro manipulaci a analýzu dat. Jednou z běžných operací prováděných s daty je nahrazení hodnot sloupců na základě určitých kritérií, jako je úprava nebo mapování na jiné hodnoty. V tomto článku prozkoumáme, jak efektivně použít tuto operaci pomocí knihovny Pandas. Ať už jste datový vědec, programátor nebo módní expert, který se noří do světa módních trendů založených na datech, tyto znalosti budou neocenitelné.
Klíč k pochopení této operace spočívá ve zvládnutí vestavěných funkcí poskytovaných knihovnou Pandas. Konkrétně se zaměříme na použití funkcí `replace()`, `map()` a `apply()` k manipulaci s hodnotami sloupců na základě různých kritérií.
import pandas as pd
# Sample data
data = {'Fashion_Style': ['Boho', 'Grunge', 'Preppy', 'Vintage', 'Athleisure'],
'Colors': ['Earthy tones', 'Dark shades', 'Bright tones', 'Muted tones', 'Monochrome']}
df = pd.DataFrame(data)
# Replacing column values
df['Colors'] = df['Colors'].replace(['Earthy tones', 'Monochrome'], ['Warm tones', 'Contrast tones'])
print(df)
Vysvětlení kódu krok za krokem
1. Nejprve importujeme knihovnu Pandas jako `pd`. Toto je běžná konvence a umožňuje nám volat funkce Pandas pomocí zkratky `pd`.
2. Dále vytvoříme slovník nazvaný `data` obsahující sloupce 'Fashion_Style' a 'Colors' a také jejich příslušné hodnoty.
3. Poté vytvoříme DataFrame s názvem `df` pomocí funkce `pd.DataFrame()` se slovníkem `data` jako argumentem.
4. Poté pomocí funkce `replace()` nahradíme konkrétní hodnoty ve sloupci 'Barvy'. V našem příkladu nahradíme „Zemité tóny“ „Teplé tóny“ a „Monochrome“ za „Kontrastní tóny“.
5. Nakonec vytiskneme aktualizovaný DataFrame `df`, abychom zkontrolovali výsledek.
Vestavěné funkce Pandas pro náhradu hodnoty sloupce
Pandas poskytuje několik vestavěných funkcí pro práci s hodnotami sloupců v DataFrames. Mezi nimi jsme označili `replace()`, `map()` a `apply()` jako zvláště užitečné, pokud jde o nahrazování hodnot sloupců na základě různých podmínek.
nahradit (): Tato funkce se používá k nahrazení zadaných hodnot v DataFrame nebo Series. Může být aplikován na konkrétní sloupec nebo celý DataFrame a podporuje regulární výrazy pro pokročilé porovnávání vzorů.
df['Colors'] = df['Colors'].replace(['Earthy tones', 'Monochrome'], ['Warm tones', 'Contrast tones'])
mapa(): Funkce `map()` je podobná funkci `replace()`, ale aplikuje danou funkci nebo slovník na každý prvek v řadě. To může být užitečné, když potřebujete namapovat hodnoty sloupců na nové hodnoty na základě konkrétní sady pravidel.
color_mapping = {'Earthy tones': 'Warm tones', 'Monochrome': 'Contrast tones'}
df['Colors'] = df['Colors'].map(color_mapping)
aplikovat(): Funkce `apply()` je mocný nástroj, který aplikuje danou funkci podél osy DataFrame. Lze jej použít na celý DataFrame nebo konkrétní sloupce k dosažení široké škály transformací.
def update_colors(color_value):
if color_value == 'Earthy tones':
return 'Warm tones'
elif color_value == 'Monochrome':
return 'Contrast tones'
else:
return color_value
df['Colors'] = df['Colors'].apply(update_colors)
S těmito funkcemi, které máte k dispozici, jste nyní připraveni řešit různé úlohy manipulace s daty v Pandas, jako je nahrazení hodnot sloupců v DataFrames. Tyto znalosti nejsou použitelné pouze v oblasti datové vědy a programování, ale také se osvědčují při analýze moderních módních stylů, identifikaci nových trendů a pochopení historického významu různých stylů a barev.
