Andmeanalüüsi maailmas on arvutustabelite kasutamine levinud, eriti veeruvormingus struktureeritud andmetega töötamisel. Üks populaarsemaid teeke Pythonis arvutustabeliandmetega töötamiseks on Pandas. See võimas teek võimaldab arendajatel tabeliandmeid hõlpsalt lugeda, töödelda ja eksportida. Selles artiklis keskendume konkreetsele probleemile: lehe lahtrite värskendamine veeru nime järgi, kasutades Pandasid. Sukeldume lahendusse, millele järgneb koodi samm-sammult seletus ning lõpuks arutame Pandas seotud kontseptsioone ja funktsioone, nagu indeksitega töötamine ja andmete valimine. Niisiis, alustame.
Lahtrite värskendamine veeru nime järgi Pandade abil
Lehe lahtrite värskendamiseks veeru nime järgi peame esmalt installima Pandase teegi, kui see pole veel installitud, kasutades järgmist käsku:
!pip install pandas
Kui Pandas on installitud, kirjeldame samme lehe lahtrite värskendamiseks veeru nime järgi:
1. Laadige leht DataFrame'i objekti.
2. Juurdepääs lahtritele, mida tahame värskendada.
3. Muutke soovitud lahtreid, määrates uued väärtused.
4. Salvestage DataFrame'i objekt lehele tagasi.
Siin on koodilõik, mis demonstreerib lahendust lihtsa näitega:
import pandas as pd
# Load data from a CSV file into a DataFrame object
df = pd.read_csv('your_spreadsheet.csv')
# Access and update the desired cells - let's update column 'Age' by adding 1 to each value
df['Age'] = df['Age'] + 1
# Save the updated DataFrame back to the CSV file
df.to_csv('your_updated_spreadsheet.csv', index=False)
Koodeksi mõistmine
Esimene samm on importida Pandase teek aliase `pd` all. Järgmisena peame laadima andmed CSV-failist DataFrame'i objekti, kasutades funktsiooni "pd.read_csv()", määrates sisendfaili nime ('your_spreadsheet.csv').
Nüüd tuleb probleemi põhiosa: soovitud lahtritele juurdepääs ja nende värskendamine. Selles näites soovime värskendada veergu „Vanus”, lisades veeru igale väärtusele 1. Teeme seda lihtsalt lisades 1 veergu 'Vanus', millele pääseb juurde süntaksi 'df['Age']' abil. See kood lisab igale veerus olevale üksusele elemendipõhiselt 1.
Lõpuks salvestame värskendatud DataFrame'i tagasi CSV-faili, kasutades funktsiooni `df.to_csv() väljundfaili nimega ('your_updated_spreadsheet.csv'). Parameetrit "index=False" kasutatakse selleks, et vältida reanumbrite kirjutamist väljundfaili.
Pandade indeksid ja andmete valimine
Pandas tugineb andmete valimisel ja töötlemisel suuresti indeksite kontseptsioonile. Vaikimisi määrab Pandas failist andmete laadimisel a numbriline indeks igale DataFrame'i reale, alustades 0-st. Pandas andmetega töötamisel on oluline mõista erinevaid viise, kuidas andmete valimine ja filtreerimine indeksi väärtuste või veergude nimede põhjal.
Näiteks konkreetse rea või ridade valimiseks võite kasutada indekseerijat "iloc", mis võimaldab teil pääseda juurde ridadele nende täisarvindeksi alusel:
# Select the first row of the DataFrame first_row = df.iloc[0] # Select rows 1 to 3 (excluding 3) rows_1_to_2 = df.iloc[1:3]
Kui peate värskendama lahtreid konkreetse tingimuse alusel, näiteks värskendama veergu „Vanus” ainult nende ridade jaoks, kus mõnel muul veerul (nt „Linn”) on teatud väärtus, saate kasutada tõeväärtuslikku indekseerimist.
# Update the 'Age' column by adding 1, only for rows where 'City' is equal to 'New York' df.loc[df['City'] == 'New York', 'Age'] = df['Age'] + 1
Selles näites kasutatakse indekseerijat loc ridade valimiseks tõeväärtuse tingimuse alusel ja seejärel värskendatakse veergu "Vanus".
Pidage meeles, et Pandas andmetega töötamisel on see vaid jäämäe tipp. Teek pakub hulgaliselt funktsioone ja tehnikaid andmete tõhusaks manipuleerimiseks, analüüsimiseks ja visualiseerimiseks. Põhitõdede mõistmine, näiteks lehe lahtrite värskendamine veeru nime järgi, loob tugeva aluse edaspidiseks keerukamate andmestruktuuride ja analüüsiülesannetega töötamiseks.
