Pandas on avatud lähtekoodiga Pythoni teek, mis pakub suure jõudlusega, lihtsalt kasutatavaid andmestruktuure ja andmeanalüüsi tööriistu. Sellest on saanud arendajate ja andmeteadlaste valik andmetega manipuleerimisel ja analüüsimisel. Üks Pandase pakutavatest võimsatest funktsioonidest on andmeraamide loomine ja muutmine. Selles artiklis uurime pandateegi abil mitme veeru lisamise protsessi andmeraamile, kui neid pole olemas. Tutvustame koodi samm-sammulist selgitust ja sukeldume seotud funktsioonidesse, teekidesse ja probleemidesse, mis võivad sellel teel kokku puutuda.
Andmeraamidega töötamine on andmete käsitlemisel ülioluline ja sageli võite leida end olukorrast, kus peate andmeraamile korraga lisama mitu veergu. See võib olla keeruline, kuid Pandase raamatukogu muudab selle ülesande sujuvaks ja tõhusaks. Esiteks alustame Pandase raamatukogu importimisega:
import pandas as pd
Mitme veeru lisamine Pandase andmeraamile
Andmeraamile mitme veeru lisamiseks saame kasutada meetodit DataFrame.assign(). See meetod võimaldab meil andmeraamile lisada ühe või mitu veergu korraga. Loome näidisandmeraami ja lisame sellele mitu veergu, kui neid veel pole:
# Create a sample dataframe
data = {'column1': [1, 2, 3], 'column2': [4, 5, 6]}
df = pd.DataFrame(data)
# Add multiple columns if they do not exist
new_columns = ['column3', 'column4']
for new_col in new_columns:
if new_col not in df.columns:
df[new_col] = None
aasta ülaltoodud koodilõik, loome esmalt näidisandmeraami kahe veeruga „veerg1” ja „veerg2”. Seejärel loome loendi uutest veergudest 'veerg3' ja 'veerg4', mida tahame andmeraamile lisada. Lõpuks kordame veergude loendit ja lisame uue veeru, kui seda andmeraamis veel ei ole.
Samm-sammuline selgitus
Siin on samm-sammult iga osa selgitus meie lahendusest:
1. Alustame Pandade teegi importimisega, kasutades käsku “import pandas as pd”.
2. Järgmisena loome näidisandmeraami nimega 'df' kahe veeruga: 'veerg1' ja 'veerg2'.
3. Koostame loendi uutest veergudest, mida tahame andmeraami lisada – 'veerg3' ja 'veerg4'.
4. Uute veergude loendi läbimiseks kasutame tsüklit for.
5. Silmuses kontrollime, kas uus veerg on andmeraamis juba olemas, kasutades tingimust "ei ole". Kui uut veergu pole olemas, lisame uue veeru andmeraamile vaikeväärtusega Puudub.
Panda funktsioonid ja raamatukogud
Pandas pakub laia valikut funktsioone ja meetodeid, mis lihtsustavad andmekaadrite käsitlemist ja manipuleerimist. Oma lahenduses kasutasime järgmisi põhikomponente:
- DataFrame - Pandade esmase andmestruktuurina on DataFrame kahemõõtmeline, muutuv, potentsiaalselt heterogeenne tabel, millel on märgistatud teljed (read ja veerud)
- DataFrame.columns – See atribuut tagastab DataFrame'i veerusildid, võimaldades meil pääseda juurde ja kontrollida, kas veerg on olemas või mitte.
- pd.DataFrame() – Uue andmeraami loomiseks on konstruktori funktsioon. See võimaldab teil loomise ajal määrata andmed ja veergude nimed.
Nüüd, kui olete paremini aru saanud, kuidas seda teha lisada mitu veergu Panda andmeraami jaoks aitab see tehnika teil andmeid tõhusalt hallata ja nendega manipuleerida. Pidage meeles, et Pandas pakub arvukalt muid võimsaid funktsioone andmete analüüsimiseks ja töötlemiseks, seega uurige kindlasti ka neid, et saada tõhusamaks Pythoni arendajaks.
